基于三级并行的遥感业务化处理系统研究

分析了遥感业务化处理系统的现实需求,针对当前遥感业务化处理系统存在的不足,结合遥感业务化处理系统和遥感影像并行处理算法两方面研究的成果,提出了基于三级并行的遥感业务化处理系统设计方案,将数据并行、功能并行、任务并行融合到遥感业务化系统中,并在环境与灾害监测预报小卫星星座系统工程中得到应用,为环境减灾提供了快速的遥感处理支持。介绍了系统的体系结构,工作流程,重点研究了三级并行的实现方式,并借助产品实例对其性能进行了测试。结果表明,基于三级并行的遥感业务化处理系统设计方案能够有效的提高遥感业务化处理的效率。     

遥感图像K-Means并行算法研究

K-Means算法是对遥感图像在没有先验知识情况下进行无监督分类的重要算法之一,在遥感影像的分析中得到了广泛的应用.针对K-Means算法复杂,处理过程中计算时间长的缺点,人们试图寻求快速的并行处理方式.在这种并行化的探索过程中,由于K-Means算法独特的流程结构,使其并行化处理方式难以顺利进行.本文在分析K-Means算法特点的基础上,对其并行化方式进行了深入的研究.针对K-Means算法并行化在处理速度和分类精度方面存在的问题,提出了一种基于分块逼近的算法并行模型,可兼顾并行效率和分类精度之间的综合要求,实现某种精度可控的并行处理.最后,根据实验结果讨论并提出了迭代算法并行化的有效途径.     

数值天气预报后处理系统的作业级并行实现

对于具体问题采取何种并行方法,达到好的并行效果,是在并行化工作中需要考虑的.通过对数值天气预报模式T511后处理系统的特点分析,结合其运行的计算机环境特点,提出了一种"作业级的并行实现"方法,减少T511后处理系统所需的计算墙钟时间.该方法具有并行化工作量小、易于实现、并行效果好等特点.     

遥感图像目标识别的并行处理方法

为提高遥感图像目标识别的速度，减少消耗的时间，提出了一种特殊的遥感图像目标识别的并行处理方法。基于这种方法，只需对串行识别算法做较少的改动即可实现遥感图像目标识别的并行化处理，无需设计专门的并行识别算法，以较低的代价解决了遥感图像目标识别耗时较多的问题。     

数据密集型计算的遥感图像预处理方法

针对大数据时代,数据密集型计算已经成为国内外的一个研究热点. 遥感数据具有多源化、海量化特点,是名副其实的大数据. 研究适用于遥感影像自动化、业务化处理的数据密集型计算方法,是目前遥感应用技术面临的挑战所面临的挑战,本文提出了一种基于数据密集型计算的遥感图像处理方法. 在文中,首先围绕遥感数据自动化、业务化预处理等问题,深入调查和分析了国内外研究现状,进而介绍了系统体系结构,通过工作流灵活组织多种算法模型协同工作,设计以“5并行1加速”的计算体系解决数据密集型的遥感图像预处理,并通过产品生产实例对其性能进行测试. 结果表明,该系统在保证处理精度的前提下,大大提高了遥感大数据预处理的效率.     

MPI通信代码自动生成算法

对于高性能并行计算机而言，如何由给出的计算、数据划分信息及精确数组数据流分析信息自动生成并行化代码是实现串行程序并行化的一个重要问题。根据Saman P.Amarasinghe和Lam的定理，实现了一种并行化识别工具中MPI（Message Passing Interface）并行化代码自动生成技术的算法，并对该算法的性能进行分析。     

并行化洪水演进模拟研究综述

近年来,并行化洪水演进模拟技术发展迅速,在防汛减灾领域发挥重要作用。在考虑洪水演进模型的数值方法、并行模式和编程技术等因素后,选取一些有代表性的洪水演进模型,分析了同构并行和异构并行洪水演进模型涉及的技术细节,提出并行化模型开发的技术难点和解决方法。最后,提出将来并行化洪水演进模型研发的着力点：非结构网格模型的异构并行化;混合并行的洪水演进模型;适于GPU异构并行的网格形式;并行环境下的实时可视化和交互式计算;基于动态编程语言的模型开发;界面式开发及模型应用推广。     

一种并行查询优化策略

叙述了在扩展BSP计算机上实现的shared_nothing并行对象关系数据库（PORDB）的两阶段查询优化。它分为顺序优化阶段和并行化两个阶段。顺序优化阶段在预测并行通信代价的基础上,采用基于代价的顺序查询优化。并行化阶段为缩减探索空间,先按照并行模式划分并行单元,再以并行单元为单位分配处理机。BSP模型可简化并行模式的实现和并行单元的划分。     

中尺度数值气象预报模式MM5并行性能分析与优化

气象预报模型的准确度与实时性是防震减灾工作的关键支持。MM5是成熟的并行化的中尺度数值气象预报模型。本文在阐述MM5并行模式及并行实现的基础上，具体分析了MM5在IBM eServerp Series 690主机上并行性能，并给出相应的优化方案。     

The SPAD test:循环级投机并行化方法

传统的并行编译技术能够在编译期间进行相关性分析,有效地并行化循环程序,但是对于程序运行时潜在的并行性却无能为力.因此,并行编译技术必须使用实时依赖分析技术,尽可能挖掘循环级并行性.本文提出仿射依赖关系,消除了循环迭代依赖;基于投机并行思想,提出了SPAD方法.实例分析表明,SPAD是有效的.与LRPD和SPNT方法相比较,SPAD做了重要的改进,因此是更通用的投机并行化方案.