基于GPU并行计算的动态签名鉴别算法研究
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-23页 |
| ·引言 | 第7-8页 |
| ·基于生物识别的身份验证技术简介 | 第8-12页 |
| ·生物识别技术及其发展现状 | 第8-10页 |
| ·生物识别技术的性能评价 | 第10-12页 |
| ·手写签名鉴别技术 | 第12-17页 |
| ·手写签名鉴别技术的分类 | 第12-13页 |
| ·动态签名鉴别技术及研究现状 | 第13-14页 |
| ·动态签名鉴别的常用算法综述 | 第14-16页 |
| ·动态签名鉴别技术的应用 | 第16-17页 |
| ·基于图形处理器的通用计算技术 | 第17-20页 |
| ·图形处理器的高性能计算特性 | 第17-18页 |
| ·GPU 通用计算技术的应用 | 第18-20页 |
| ·课题背景及主要研究内容 | 第20-23页 |
| ·课题背景 | 第20-21页 |
| ·论文的主要研究内容和创新点 | 第21页 |
| ·论文的内容安排 | 第21-23页 |
| 第2章 基于GPU 的通用并行计算 | 第23-37页 |
| ·GPU 的体系结构和并行机制 | 第23-25页 |
| ·GPU 的可编程能力与CUDA | 第25-28页 |
| ·CUDA 的优势 | 第25-26页 |
| ·GPU 的共享存储并行计算模型 | 第26-28页 |
| ·GPU 通用计算的实现 | 第28-37页 |
| ·CUDA 编程模型 | 第28-33页 |
| ·CUDA 的程序框架 | 第33-34页 |
| ·性能优化建议 | 第34-37页 |
| 第3章 动态签名特征稳定性分析 | 第37-54页 |
| ·动态签名鉴别系统简介 | 第37-39页 |
| ·动态签名鉴别的数学模型 | 第39-42页 |
| ·模型的建立 | 第39-40页 |
| ·签名数据的度量 | 第40-42页 |
| ·基于特殊点分段的动态签名特征 | 第42-53页 |
| ·签名特征的提取 | 第42-44页 |
| ·签名鉴别中的笔段划分技术 | 第44-45页 |
| ·依签名主轴进行极坐标映射的笔段划分方法 | 第45-53页 |
| ·小结 | 第53-54页 |
| 第4章 基于动态规划的签名鉴别并行算法研究 | 第54-70页 |
| ·动态规划简介 | 第54-57页 |
| ·动态规划中的基本概念 | 第54-56页 |
| ·动态规划的最优化原理 | 第56-57页 |
| ·基于GPU 并行计算的动态匹配算法（GPDM） | 第57-68页 |
| ·GPDM 算法的理论模型 | 第57-61页 |
| ·GPDM 算法的实现 | 第61-68页 |
| ·实验及结果分析 | 第68-69页 |
| ·小结 | 第69-70页 |
| 第5章 基于多分辨分析的动态签名特征提取 | 第70-85页 |
| ·小波变换简介 | 第70-74页 |
| ·小波变换的背景 | 第70-72页 |
| ·连续小波变换 | 第72-73页 |
| ·离散小波变换 | 第73-74页 |
| ·多分辨分析与Mallat 算法 | 第74-80页 |
| ·多分辨分析 | 第75-77页 |
| ·Mallat 算法 | 第77-80页 |
| ·分解与重构的并行算法 | 第80-81页 |
| ·多尺度下的签名特征稳定性分析 | 第81-84页 |
| ·小结 | 第84-85页 |
| 第6章 基于细粒度并行计算的签名模板库优化 | 第85-96页 |
| ·离散Fourier 变换及并行FFT 算法 | 第85-92页 |
| ·离散Fourier 变换 | 第85-87页 |
| ·快速Fourier 变换（FFT） | 第87-88页 |
| ·基2 按时间抽取FFT 算法概述 | 第88-90页 |
| ·快速Fourier 变换的并行实现 | 第90-92页 |
| ·一种新的聚类分析算法——隐式分层聚类 | 第92-95页 |
| ·聚类分析简介 | 第92-93页 |
| ·基于迭代的隐式分层聚类算法（IHHCA） | 第93-95页 |
| ·小结 | 第95-96页 |
| 第7章 总结与展望 | 第96-97页 |
| 参考文献 | 第97-107页 |
| 攻读博士期间发表的论文及科研成果 | 第107-109页 |
| 致谢 | 第109-110页 |
| 中文摘要 | 第110-114页 |
| ABSTRACT | 第114-117页 |
