快照成像光谱仪快速光谱重构算法

为实现对光谱数据的快速实时处理,针对快照式傅里叶成像光谱仪,提出一种基于GPU的并行化光谱重构算法.通过分析快照式成像光谱仪的工作原理和数据特性,结合CUDA并行计算架构,对光谱重构算法可并行部分最大程度并行化,并针对并行计算中的内存分配等方面进行优化处理,实现并行化的光谱重构算法.实验结果表明:基于GPU的并行化光谱重构算法,相对CPU串行化算法,精度相同的情况下,计算效率提升了约25倍.利用GPU加速程序的并行部分,可以极大地提高光谱重构的效率,使得快照式成像光谱仪更加适用于实时测量当中.     

一种基于磁盘块的持续数据保护系统

数据重要性不断提高,对数据保护提出了越来越高的要求。基于数据的细粒度保护,以最小的时间代价和存储代价来保护数据,并以最少的数据损失量来恢复数据,则是数据保护的追求目标。针对此需求,提出并设计实现了一套基于磁盘块的持续数据保护系统。该系统高效而灵活地实现了Windows操作系统下的磁盘数据的保护。测试表明,该系统在使用时对正常的业务影响很小;在灾难发生后可以在较短的时候内将数据恢复至可用状态。     

Linux上LVM快照数据一致性迁移

在基于Linux的生产系统中,人们越来越普遍地利用LVM的快照技术做数据一致性迁移和文档版本回溯,但是对于性能分析方面目前还没有相关论述文章。详细介绍LVM快照数据一致性迁移,着重分析迁移失真度以及由此带来的生产系统性能损耗,并通过实验证明性能损耗不会超过10%的结论。     

低功耗异构计算架构的高光谱遥感图像分类研究

高光谱图像分类算法通常需要逐点对图像中的像素点进行迭代处理,计算复杂度及并行程度存在较大差异。随着高光谱遥感图像空间、光谱和辐射分辨率的不断提升,这些算法无法满足实时处理海量遥感图像数据的需求。通过分析NPU存储计算一体化模式与遥感图像分类算法的实现步骤,设计低功耗CPU+NPU异构资源计算架构的低秩稀疏子空间聚类（LRSSC）算法,将数据密集型计算转移至NPU,并利用NPU数据驱动并行计算和内置AI加速,对基于机器学习算法的海量遥感数据进行实时分类。受到big.LITTLE计算范式的启发,CPU+NPU异构资源计算架构由8 bit和低精度位宽NPU共同组成以提高整体吞吐量,同时减少图网络推理过程中的能量损耗。实验结果表明,与CPU计算架构和CPU+GPU异构计算架构的LRSSC算法相比,CPU+NPU异构计算架构的LRSSC算法在Pavia University遥感数据集下的计算速度提升了3~14倍。     

软键盘技术研究和改进

该文介绍了软键盘密码输入技术的工作原理,分析了"屏幕快照"黑客窃密技术的攻击原理和流程,针对当前软键盘技术存在的问题提出了相应的改进方案,并用VB编程实现了改进后的软键盘程序。     

分布式数据库复制方法探讨

针对同步复制方法的主要缺点,引入复制技术.介绍了几种基于不同技术的复制协议,并分别阐述各自的特点及协议内容.     

Delphi中不同常规的接口

自从在Delphi 3中引入了接口这个概念以来,已经有不少文章是在专门讨论这个话题的。那么,我还会在有关接口的话题中增加一些什幺新的内容呢?好,我现在开始准备着眼于关于接口的一些特性,其中的一些特性就是我们经常所关注的接口的“副作用”,也就是生命周期管理(lifecycle management)。我将准备介绍给你一些有关接口的用法,这些用法可能是你在以前所没有看到过的。并且在文章中,你也会看到我提供了不少有助于编程的工具类。     

实现数据快速可用和恢复

当今的企业主要依靠信息数据运行,任何计划或非计划中断信息流的行为都会严重阻碍公司的业务运行。几分钟宕机的代价是昂贵的,而几个小时的宕机将是灾难性的。     

百度奇功异能全接触

在网上冲浪免不了进行各种信息搜索工作，借助于搜索引擎也是现所当然的事情，就目前的情况来看，网友普遍都喜爱使用Google作为首选的搜索工具。无可否认，Google的搜索功能有确十分强大，但也并非十全十美。虽然百度（http://www.baidu.com/）是一个“土生土长”的搜索引擎，但     

用于依赖快照的高效写算法HPSW

使用快照技术可以生成存储系统在某时间点完全可用的数据副本,从而可使用该副本对存储系统实现备份、测试、在线分析和数据挖掘等操作。对快照的各种实现技术进行了分类与比较,详细说明了依赖快照的实现原理及优点,并针对在写依赖快照时可能造成的数据不一致的问题提出了一种高效的写算法HPSW;实验表明该算法具有良好的性能,克服了依赖快照的缺点,具有很好的实际应用价值。