您的位置： 专家智库 > >

曾秋梅

作品数：8 被引量：16H指数：2
供职机构：武汉大学更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 6篇专利
  • 2篇期刊文章

领域

  • 2篇自动化与计算...

主题

  • 5篇反汇编
  • 4篇电能
  • 4篇电能表
  • 4篇智能电能表
  • 4篇机器码
  • 4篇高级语言
  • 3篇代码
  • 3篇数组
  • 3篇汇编代码
  • 3篇处理器
  • 2篇中端
  • 2篇微处理器
  • 2篇进制
  • 2篇二进制
  • 2篇二进制代码
  • 2篇反编译
  • 2篇反编译系统
  • 2篇标志位
  • 1篇调试器
  • 1篇影像匹配

机构

  • 8篇武汉大学

作者

  • 8篇刘金硕
  • 8篇曾秋梅
  • 6篇刘源
  • 5篇刘天晓
  • 4篇李少腾
  • 4篇郑稳
  • 4篇王亚鸽
  • 3篇邹斌
  • 2篇杨光
  • 2篇邓娟
  • 2篇栗鹏
  • 2篇张智
  • 1篇顾宜淳
  • 1篇任梦菲
  • 1篇吴慧

传媒

  • 1篇武汉大学学报...
  • 1篇计算机科学

年份

  • 1篇2016
  • 1篇2015
  • 1篇2014
  • 5篇2013
共 8 条 记 录，以下是 1-8
全选 清除 导出
排序方式：
一种实现反汇编自适应反馈调节机制的方法
本发明涉及一种实现反汇编自适应反馈调节机制的方法。本发明运行于一次反汇编之后，当经过处理器匹配后得到零个理想值时，表明预处理后的机器码特征部分被删除，此时采取固件代码扩充，即在原始机器码数组中增加数段作为下一次输入；当经...
刘金硕王谢兵李少腾章喻龙邓娟刘源许孝盛王亚鸽曾秋梅杨光郑稳
文献传递
一种固件代码反汇编中端模式差异的处理方法
本发明涉及一种固件代码反汇编中端模式差异的处理方法。首先初始化机器码；然后由检测模块进行机器码检测，检测机器码的长度L，保证L是N的整数倍，若不足则补零，将数组C转换成数组D。其中N是依据不同硬件情况决定，若硬件的存储单...
刘金硕王谢兵李少腾章喻龙刘源刘天晓王亚鸽曾秋梅
文献传递
一种在逆向反编译系统中标志位的处理方法
本发明涉及一种在逆向反编译系统中标志位的处理方法。第一个步骤是把调试器连接到电脑取出相应的微处理器的二进制代码，现在的一般微处理器都会进行一定的加密，在熔丝烧断前可以通过这种方法进行取代码调试等，但进行加密后一般不能再通...
刘金硕郑稳章喻龙刘源刘天晓栗鹏曾秋梅邹斌张智
文献传递
一种在逆向反编译系统中标志位的处理方法
本发明涉及一种在逆向反编译系统中标志位的处理方法。第一个步骤是把调试器连接到电脑取出相应的微处理器的二进制代码，现在的一般微处理器都会进行一定的加密，在熔丝烧断前可以通过这种方法进行取代码调试等，但进行加密后一般不能再通...
刘金硕郑稳章喻龙刘源刘天晓栗鹏曾秋梅邹斌张智
文献传递
一种固件代码反汇编中端模式差异的处理方法
本发明涉及一种固件代码反汇编中端模式差异的处理方法。首先初始化机器码；然后由检测模块进行机器码检测，检测机器码的长度L，保证L是N的整数倍，若不足则补零，将数组C转换成数组D。其中N是依据不同硬件情况决定，若硬件的存储单...
刘金硕王谢兵李少腾章喻龙刘源刘天晓王亚鸽曾秋梅
文献传递
快速鲁棒特征算法的CUDA加速优化被引量：9
2014年
提出一种基于统一计算设备架构(Compute Unified Device Architecture,CUDA)的快速鲁棒特征(Speed-up Robust Feature,SURF)图像匹配算法。分析了SURF算法的并行性,在图像处理单元(Graphics Processing Unit,GPU)的线程映射和内存模型方面对算法的构建尺度空间、特征点提取、特征点主方向的确定、特征描述子的生成及特征匹配5个步骤进行CUDA加速优化。实验表明,相比适用于CPU的SURF算法,文中提出的适用于GPU的SURF算法在处理30MB的图片时性能提高了33倍。适用于GPU的SURF算法拓展了SURF算法在遥感等领域的快速应用,尤其是大影像的快速配准。
刘金硕曾秋梅邹斌江庄毅邓娟
关键词：快速鲁棒特征CUDA特征提取影像匹配
一种针对嵌入式微处理器的反汇编方法
本发明涉及一种针对嵌入式微处理器的反汇编方法，流程如下：1：由提取固件机器码模块得到反馈信号和机器码；2：由机器码预处理模块区分机器码中的指令和数据并将机器码标准化；3：由固件代码反汇编模块对照编写的算法运行得到备选的反...
刘金硕王谢兵李少腾章喻龙刘源许孝盛王亚鸽曾秋梅杨光郑稳
文献传递
从图形处理器到基于GPU的通用计算被引量：7
2013年
对GPU(graphic process unit)、基于GPU的通用计算(general purpose GPU,GPGPU)、基于GPU的编程模型与环境进行了界定;将GPU的发展分为4个阶段,阐述了GPU的架构由非统一的渲染架构到统一的渲染架构,再到新一代的费米架构的变化;通过对基于GPU的通用计算的架构与多核CPU架构、分布式集群架构进行了软硬件的对比.分析表明:当进行中粒度的线程级数据密集型并行运算时,采用多核多线程并行;当进行粗粒度的网络密集型并行运算时,采用集群并行;当进行细粒度的计算密集型并行运算时,采用GPU通用计算并行.最后本文展示了未来的GPGPU的研究热点和发展方向——GPGPU自动并行化、CUDA对多种语言的支持、CUDA的性能优化,并介绍了GPGPU的一些典型应用.
刘金硕刘天晓吴慧曾秋梅任梦菲顾宜淳
关键词：GPGPUCUDA架构并行计算
全选 清除 导出
共1页<1>
聚类工具0