从外存中计算地形可视域的高效算法

可视性分析广泛应用于GIS的各个方面,视线和视域是其最基本的两个因子。视域的计算方法有很多种,在计算时因为采用的算法和实现算法所运用的编程方法不同,导致效率和精度有很大差异。为了解决由内存受限而无法存储和处理海量区域地理信息数据的问题,提出一种在外部存储器上计算地形视域的高效算法,对该算法进行了分析,并进行了实验验证,表明该算法明显优于现有的其他算法。     

基于GPU平台的二维离散余弦算法

本文介绍了GPU并行计算的优越性,并对基于GPU平台的开发框架和编程环境CUDA给予概述;在CUDA环境中开发DCT算法代码,实现了DCT算法代码从CPU平台向GPU平台的移植;并通过对比两个计算平台上DCT算法的计算耗时,分析了GPU计算平台的优越性。     

Fortran与VC++混合编程研究及其应用

论述了Visual C＋＋和Fortran混合编程技术，重点介绍了动态连接库方法。阐明了如何用Compaq Visual Fortran6．5生成动态连接库，Visual C＋＋6．0如何调用所生成的动态连接库的方法。探讨了Visual C＋＋6．0如何与Fortran在调用约定、命名约定、参数传递上保持一致，将Fortran程序改造成DLL动态连接库的方法和在VisualC＋＋中动态装载DLL动态连接库的算法。通过Fortran和Visual C＋＋的混合编程，研制了飞机质量分布特性计算软件的WIINDOWS版本。利用大量已有成熟的FORTRAN程序，避免了重复编程和资源浪费，节省了大量编程时间，在工程与科学研究中有很大的应用价值。     

LU分解和Laplace算法在GPU上的实现

随着图形处理器(GPU)性能的大幅度提升以及可编程性的发展,已经有许多算法成功地移植到GPU上.LU分解和Laplace算法是科学计算的核心,但计算量往往很大,由此提出了一种在GPU上加速计算的方法.使用Nvidia公司的统一计算设备架构(CUDA)编程模型实现这两个算法,通过对CPU与GPU进行任务划分,同时利用GP...     

新型的快速高准确度开方算法及程序设计

介绍一种新型的快速高准确度开方算法，特别适用于需要用计算机进行ａ２＋ｂ２型式开方运算场合。算法巧妙地将开方变量由两个减少为一个，将变量变化区间由整个实数轴缩小为［０，１］区间，进而采用查表与插值相结合的方法，实现了高准确度、快速开方运算。在单片机８０ｃ１９６ｋｂ上，利用ＰＬ／Ｍ９６语言编程进行了运算，效果良好。     

二重数值积分双梯形递推算法的研究与实现

在双梯形算法的基础上,提出了二重数值积分双梯形递推算法,给出了用C++语言编程实现双梯形递推算法的技术要点,通过对同一实例进行不同的计算实验,测试并比较了复化双梯形算法与双梯形递推算法各自运行时占用Pentium150CPU的时间,实验表明:双梯形递推算法是一种快速计算二重积分、节省CPU时间的高效方法。     

基于改进的LOS算法实现对复杂地形场景的可视域分析

基于视线(line of sight,LOS)原理,结合地形高程信息,文中提出了一种运算效率较高的改进LOS算法,用来解决复杂场景下的可视性分析问题.该算法不仅采用计算目标点与视点的几何关系来判定可视域,更重要的是利用了地形高程信息来对目标点的可视域进行判断,将部分目标点的可视域判断条件简化为其高程与指定高程的比较,从而提高了地形可视性分析的计算效率.该方法不仅可以应用在三维森林场景的可视域分析中,还可应用在城市环境的分析中.实验证明,文中提出的方法在计算效率和精度上优于传统的可视性方法.     

MPICH在Windows操作系统中的实现与应用

该文给出了对应于MPI标准的MPICH软件包在Windows操作系统中的配置和在MSVC＋＋中的实现方法，并对MPI与C／C＋＋绑定的基本编程进行了简要介绍。然后将其与一种电磁场数值算法——时域有限差分法相结合，以一维情况为例，讨论了网络并行时域有限差分法的实现方法。通过在由两台PC机构成的最简单的PC机群上的编程实现，验证了这种方法的可行性和高效性，实验结果表明通过MPICH软件包实现时域有限差分法的网络并行运算，可以使这种算法的加速比达到1．8。     

基于GPU的H.264并行解码算法

针对并行处理H.264标准视频流解码问题,提出基于CPU/GPU的协同运算算法。以统一设备计算架构(CUDA)语言作为GPU编程模型,实现DCT逆变换与帧内预测在GPU中的加速运算。在保持较高计算精度的前提下,结合CUDA混合编程,提高系统的计算性能。利用NIVIDIA提供的CUDA语言,在解码过程中使DCT逆变换和帧内预测在GPU上并行实现,将并行算法与CPU单机实现进行比较,并用不同数量的视频流验证并行解码算法的加速效果。实验结果表明,该算法可大幅提高视频流的编解码效率,比CPU单机的平均计算加速比提高10倍。     

基于DEM数据库的可视域算法

可视性分析在军事和工程领域有着广泛的应用,可视域计算是可视性分析的重要因子.首先讨论了可视域计算的常用算法,分析了各个常用算法的优劣.并针对大数据量的DEM数据库,在Xdraw算法的基础上提出了一种改进的Xdraw算法,大大减少了访问数据库的次数.然后在实验的基础上从正确性和效率两个方面对该算法进行了分析,并给出了继续研究的方向.     

Applying machine learning techniques for scaling out data quality algorithms in cloud computing environments

Deduplication is the task of identifying the entities in a data set which refer to the same real world object. Over the last decades, this problem has been largely investigated and many techniques have been proposed to improve the efficiency and effectiveness of the deduplication algorithms. As data sets become larger, such algorithms may generate critical bottlenecks regarding memory usage and execution time. In this context, cloud computing environments have been used for scaling out data quality algorithms. In this paper, we investigate the efficacy of different machine learning techniques for scaling out virtual clusters for the execution of deduplication algorithms under predefined time restrictions. We also propose specific heuristics (Best Performing Allocation, Probabilistic Best Performing Allocation, Tunable Allocation, Adaptive Allocation and Sliced Training Data) which, together with the machine learning techniques, are able to tune the virtual cluster estimations as demands fluctuate over time. The experiments we have carried out using multiple scale data sets have provided many insights regarding the adequacy of the considered machine learning algorithms and proposed heuristics for tackling cloud computing provisioning.     

多核集群系统上的混合编程模型研究

对采用多核处理器作为SMP集群系统的计算节点的系统上的一种混合编程模型-MPI+OpenMP混合编程模型进行了深入的研究.建立了两个矩阵乘的混合并行算法,在多核集群平台上与纯MPI算法分别进行了实验,并进行了性能方面的比较.试验表明,混合编程具有更好的性能.     

用B样条的尺度关系来实现图像任意精度的放大缩小

图像的细放问题一般是采用B样条的连续显式方式来实现的,这种算法易于理解,但是随着B样条阶数的提高,编码和运算相对费时,文中提出利用B样条的尺度方程进行图像缩放的算法,该算法可对不同阶数的B样条有统一而简单的编码,通过设定不同的误差限,可以得到不同精度的缩放结果,并且计算时间可以随着不同的精度要求而得到控制。     

工作站网络环境下的并行计算

当前工作站网络环境（ＮＯＷｓ）下高性能科学与工程计算是并行计算的一个热门话题，本文借助于ＬｏｇＰ并行计算模型，提出了一套新的效率评价准则，用于优化并行算法效率以达到最佳实现效果，揭示了影响算法并行效率发挥的关键因素，并从算法和程序设计角度提出了相应措施，探讨了急需解决的几个关键性问题，三个典型应用问题的数值实验结果文中给出。     

HEART: Unrelated parallel machines problem with precedence constraints for task scheduling in cloud computing using heuristic and meta-heuristic algorithms

Cloud computing is becoming a profitable technology because of it offers cost-effective IT solutions globally. A well-designed task scheduling algorithm ensures the optimal utilization of clouds resources and reducing execution time dynamically. This research article deals with the task scheduling of inter-dependent subtasks on unrelated parallel computing machines in a cloud computing environment. This article considers two variants of the problem-based on two different objective function values. The first variant considers the minimization of the total completion time objective function while the second variant considers the minimization of the makespan objective function. Heuristic and meta-heuristic (HEART) based algorithms are proposed to solve the task scheduling problems. These algorithms utilize the property of list scheduling algorithm of unrelated parallel machine scheduling problem. A mixed integer linear programming (MILP) formulation has been provided for the two variants of the problem. The optimal solution is obtained by solving MILP formulation using A Mathematical Programming Language (AMPL) software. Extensive numerical experiments have been performed to evaluate the performance of proposed algorithms. The solutions obtained by the proposed algorithms are found to out-perform the existing algorithms. The proposed algorithms can be used by cloud computing service providers (CCSPs) for enhancing their resources utilization to reduce their operating cost.     

改进的协同过滤推荐算法

协同过滤是迄今为止个性化推荐系统中采用最广泛最成功的推荐技术,但现有方法是将用户不同时间的兴趣等同考虑,时效性不足,而且推荐精度也有待进一步提高。鉴于此提出一种改进的协同过滤算法,针对用户近邻计算和项目评分的预测两个关键步骤,提出基于项目相关性的用户相似性计算方法,以便邻居用户更准确,同时在预测评分的过程中增加时间权限,使得接近采集时间的点击兴趣在推荐过程中具有更大权值。实验结果表明,该算法在提高了推荐精度的同时实现了实时推荐。     

渐进/分布式网页聚类算法PG+与PG++

用户行为分析是Web站点信息推荐中的重要方法,被广泛应用在该领域的诸多算法中.PageGather算法是其中有代表性的一种.旨在解决静态PageGather算法输入数据量过大、时间复杂度高的问题,使其更具实用性.通过引入渐进学习和分布的机制,给出了改进的算法PG+和PG++,并进行了实验分析.改进后,既保证了算法的等效性,又明显提高了效率.     

基于改进0-1动态规划的软硬件划分算法研究*

软硬件划分已被证明是NP完全问题,大多数研究主要集中在寻找各种快速的近似算法,常见的有爬山法、遗传算法、模拟退火、禁忌搜索等.这些算法大多只能处理小规模问题,而且是单纯从算法角度来研究软硬件划分问题,并没有考虑系统成本.以软硬件协同函数库为统一抽象模型,将系统执行时间、系统成本以及硬件面积等因素融入到0-1动态规划算法...