您的位置: 专家智库 > >

海洋公益性行业科研专项(201105033-6)

作品数:4 被引量:21H指数:2
相关作者:马益杭谢传节龙舟秦承志占利军更多>>
相关机构:中国科学院中国科学院大学更多>>
发文基金:海洋公益性行业科研专项国家高技术研究发展计划国家自然科学基金更多>>
相关领域:天文地球更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇天文地球

主题

  • 2篇多核
  • 2篇多核架构
  • 2篇异构
  • 2篇异构多核
  • 2篇拓扑
  • 2篇拓扑关系
  • 2篇架构
  • 2篇并行化
  • 2篇并行计算
  • 1篇多边形
  • 1篇栅格
  • 1篇栅格数据
  • 1篇速查
  • 1篇爬山算法
  • 1篇朴素贝叶斯
  • 1篇朴素贝叶斯算...
  • 1篇网络
  • 1篇连通域
  • 1篇连通域标记
  • 1篇快速查询

机构

  • 4篇中国科学院
  • 3篇中国科学院大...

作者

  • 3篇谢传节
  • 3篇马益杭
  • 2篇龙舟
  • 1篇占利军
  • 1篇秦承志
  • 1篇李连发
  • 1篇王阳

传媒

  • 2篇地理与地理信...
  • 1篇测绘学报
  • 1篇地球信息科学...

年份

  • 1篇2016
  • 1篇2015
  • 2篇2013
4 条 记 录,以下是 1-4
排序方式:
空间贝叶斯分类器并行化被引量:3
2013年
分类是空间数据分析中一个非常重要的问题,采用贝叶斯网络进行分类,能够充分利用现有知识,实现对目标更精确的分类。随着实际可应用在贝叶斯网络学习中的数据样本量越来越大,贝叶斯分类器在结果更加准确的同时,其结构学习、参数学习、分类推断等每一个步骤的处理时间也会变得漫长,亟须将并行计算引入到贝叶斯网络的学习与分类预测中。该研究研发了一种海量空间数据的并行贝叶斯分类器,通过对矢量数据序列化、按空间拓扑关系分块、扩展基于MPI的并行原语等一系列设计,解决了其并行计算中不同节点矢量数据传输、负载均衡、异步IO等方面的问题。实验结果表明,并行贝叶斯分类器在保证结果一致的前提下大幅缩短了贝叶斯分类器学习与分类预测所需要的时间。
王阳李连发
关键词:贝叶斯网络EM算法爬山算法朴素贝叶斯算法
一种异构多核架构快速查询多边形图层间空间关系的方法
2015年
目前,空间关系查询中常用的Plane Sweep算法是一种串行方法,而关于多核CPU的并行查询算法,在面对海量数据查询时,由于CPU核心数及线程数量的限制,其难以满足查询效率需求。针对该问题,本文提出了一种全新的异构多核架构多边形图层间空间关系查询的并行算法。首先,利用STR树索引过滤不相交的多边形;然后,对过滤后多边形的线段构建四叉树索引,利用CPU+GPU架构并行计算线段的相交以判断多边形环间的拓扑关系;再根据环间的拓扑关系计算多边形间的维度扩展九交模型(DE-9IM)参数值,据此确定多边形间的空间关系;最后,通过实验验证了该算法的准确性和高效性。实验表明,本算法能有效缩短大数据量的空间查询时间。在实验中逐渐增加目标数据集和源数据集多边形的数量,当两数据集都为50 000个多边形时,以包含关系为例,相比于Arc GIS,本文提出的算法可达到2倍的加速比。
由志杰谢传节马益杭龙舟
关键词:异构多核并行计算拓扑关系GPU
多边形间空间关系查询的异构多核架构并行算法被引量:2
2016年
目前在空间关系查询中常用的Plane Sweep算法是一种串行算法,在处理海量空间数据时效率较低,而已有的并行计算方法对于普通的计算机并不适用。本文针对这个问题,提出了一种多边形间空间关系查询的异构多核架构并行算法,该算法先利用STR树索引过滤掉不相交的多边形,然后将过滤后的多边形数据集合分解为点集合和边集合,并对其构建四叉树索引;在保证数据浮点运算精度符合要求的情况下,利用GPU强大的批量运算能力快速处理边与边的相交情况并据此逐步计算得到环间的拓扑关系,再根据环间拓扑关系计算得到多边形间的维度扩展九交模型(DE-9IM)参数值;根据DE-9IM参数值与空间关系查询条件相比对,输出查询结果。最后通过试验验证了算法的准确性与高效性。
谢传节龙舟马益杭由志杰
关键词:异构多核并行计算拓扑关系
连通域标记算法的并行化研究被引量:17
2013年
连通域标记算法在地理栅格数据分析中有广泛应用,当面对大规模地理栅格数据时,连通域标记串行算法十分耗时,亟须算法并行化。但目前连通域标记算法还缺乏并行化,更缺乏对不同并行技术实现时的性能对比。该文对常用的连通域标记两遍扫描法进行了并行化设计,并分别利用OpenMP和MPI两种并行技术实现了不同版本的并行算法,以适用于单机多核、多机多处理器等不同的并行计算硬件环境。对所实现的并行算法在单节点、多节点的不同测试环境下,以不同数据规模和不同连通域复杂度情况的数据进行效率测试,结果表明:该算法均大幅缩短了运行时间;在数据量较小且连通域数目较少的情况下更适合使用OpenMP版本的并行算法;若图像数据规模较大时,MPI并行算法更快、更高效,但是在多节点的集群环境中,如果连通域情况复杂,进程数的增多并不能保证获得更好的加速效果。
马益杭占利军谢传节秦承志
关键词:连通域标记栅格数据OPENMPMPI
共1页<1>
聚类工具0