基于GPU并行串匹配算法的研究 |
论文目录 | | | 摘要 | 第1-5
页 | | ABSTRACT | 第5-10
页 | | 第1章 绪论 | 第10-14
页 | | · 课题背景及研究意义 | 第10-12
页 | | · GPU 的发展 | 第10-11
页 | | · 字符串匹配研究的意义及面临的挑战 | 第11-12
页 | | · 论文的研究内容 | 第12
页 | | · 论文的组织结构 | 第12-14
页 | | 第2章 相关工作 | 第14-26
页 | | · GPU 的体系结构 | 第14-15
页 | | · GPGPU 的编程方法 | 第15-19
页 | | · 图形接口 | 第15-17
页 | | · BROOKGPU 编程环境 | 第17-18
页 | | · CG 高级编程语言 | 第18-19
页 | | · NVIDIA CUDA | 第19-24
页 | | · CUDA 软件堆栈 | 第19-20
页 | | · 并行线程体系 | 第20-21
页 | | · CUDA 的存储体系 | 第21-22
页 | | · CUDA 线程的执行 | 第22-23
页 | | · NVCC 编译器工作原理 | 第23-24
页 | | · CUDA 与传统GPGPU 的区别 | 第24-26
页 | | 第3章 串匹配算法 | 第26-34
页 | | · 串匹配的基本概念 | 第26
页 | | · 串匹配算法分类 | 第26-34
页 | | · 基于前缀的算法[KMP, AC] | 第26-29
页 | | · 基于后缀的算法[BM, Horspool, Wu-Manber] | 第29-31
页 | | · 位并行算法[Shift-AND, Shift-OR, BNDM] | 第31-32
页 | | · 串匹配算法的发展 | 第32-34
页 | | 第4章 基于GPU 的并行串匹配算法 | 第34-43
页 | | · 国内外研究现状 | 第34-38
页 | | · 网络入侵检测系统（IDS）中基于GPU 的多模式匹配算法 | 第34-35
页 | | · PixelSnort | 第35-36
页 | | · 基于GPU 的DNA 序列比较：Cmatch 算法 | 第36-38
页 | | · 基于GPU 的串匹配算法 | 第38-40
页 | | · 模式串预处理 | 第38-39
页 | | · 匹配算法 | 第39-40
页 | | · 实验结果与分析 | 第40-41
页 | | · 小结 | 第41-43
页 | | 第5章 串匹配算法的内存优化 | 第43-52
页 | | · 国内外研究现状 | 第43-44
页 | | · DFA 内存访问代价 | 第44-47
页 | | · 内存访问代价模型及访问代价函数 | 第44-45
页 | | · 链式内存访问的概率代价函数 | 第45-46
页 | | · 最优的链式内存访问编码 | 第46-47
页 | | · 基于GOLOMB 编码的高级AC 算法 | 第47-48
页 | | · 高级AC 匹配自动机中的最优状态编码 | 第47
页 | | · 链式内存存储的高级AC 算法 | 第47-48
页 | | · 实验与分析 | 第48-51
页 | | · 对存储空间大小的测试 | 第49-50
页 | | · 对匹配速度的测试 | 第50-51
页 | | · 小结 | 第51-52
页 | | 总结与展望 | 第52-53
页 | | 参考文献 | 第53-56
页 | | 致谢 | 第56-57
页 | | 附录 1 个人简历、在学期间发表的学术论文与研究成果 | 第57
页 |
|
|
|
