结合Rete的RDF数据分布式并行推理算法*

现有的资源描述框架(RDF)数据分布式并行推理算法大多需要启动多个MapReduce任务,但有些算法对于含有实例三元组前件的RDFS/OWL规则的推理效率低下,整体推理效率不高。针对此问题,文中提出结合Rete的RDF数据分布式并行推理算法(DRRM)。首先结合RDF数据本体,构建模式三元组列表和规则标记模型。在RDFS/OWL推理阶段,结合MapReduce实现Rete算法中的alpha阶段和beta阶段。然后对推理结果进行去重处理,完成一次RDFS/OWL全部规则推理。实验表明,文中算法能高效正确地实现大规模数据的并行推理。     

YARM:基于MapReduce的高效可扩展的语义推理引擎

随着语义网的快速发展,RDF语义数据大量涌现.大规模RDF语义数据推理的一个主要问题是计算量大、完成计算需要消耗很长的时间.显然,传统的单机语义推理引擎难以处理大规模的语义数据.另一方面,现有的基于MapReduce的大规模语义推理引擎,缺乏对算法在分布和并行计算环境下执行效率的优化,使得推理时间仍然较长.此外,现有的推理引擎大多存在可扩展性方面的不足,难以适应大规模语义数据的增长需求.针对现有的语义推理系统在执行效率和可扩展性方面的不足,文中提出了一种基于MapReduce的并行化语义推理算法和引擎YARM.为了实现分布和并行计算环境下的高效推理,YARM做出了以下4点优化:(1)采用合理的数据划分模型和并行化算法,降低计算节点间的通信开销;(2)优化推理规则的执行次序,提升了推理计算速度;(3)设计了简洁的去重策略,避免新增作业处理重复数据;(4)设计实现了一种新的基于MapReduce的并行化推理算法.实验结果表明,在真实数据集和大规模合成数据集上,YARM的执行速度比当前最新的基于MapReduce的推理引擎快10倍左右,同时YARM还表现出更好的数据和系统可扩展性.     

基于RDFS的数据结构描述

资源描述框架(RDF)/资源描述框架模式(RDFS)是语义互联网架构中的技术。尽管XML/RDF数据库正迅速地发展,关系型数据库仍是目前企业级应用的首选。针对在应用中混合使用关系型数据库管理系统和RDF/RDFS的问题,该文提出了关系数据库表结构的RDFS定义方法以及在此基础上的数据获取方式,目的是在关系数据库与应用系统之间建立基于RDFS的抽象数据结构描述,实现数据结构的可配置性以及RDF数据的可访问性。     

测绘元数据的框架设计和基于RDF/XML的表达

论述元数据技术在测绘信息共享和管理中的重要作用,分析当前测绘元数据库建设的现状,指出研究测绘元数据表达的重要意义。根据测绘数据的组织结构特点,设计测绘元数据框架,提出利用RDF／XML技术表达测绘元数据的思想。最后总结利用RDF表达测绘元数据的优点。     

MPI在CT并行重建中的应用

CT图像重建计算量巨大,为了达到理想的重建时间,并行处理很有必要,CT图像重建过程各个子空间相互独立,具有很好的并行性。采用基于消息传递接口(MPI)的并行算法充分利用了CT图像重建的这个特性,以平行束重建为例,采用卷积反投影重建算法进行CT图像重建过程的并行实现进行分析,实验结果证明,并行处理和单机处理重建结果完全一致,并且能够达到比较理想的加速比,可以扩展到CT的其他重建算法。     

基于PDM的产品IETM并行创作框架

针对目前产品IETM创作没有纳入产品并行设计的不足,提出了基于PDM并行创作IETM的设计理念,分析了基于PDM的产品IETM并行创作体系框架结构,研究了PDM环境下产品IETM的并行生成过程和生成模式.     

基于RDF推理技术的研究

本文通过对RDF推理技术的研究,寻找推理技术的特性,提出RDF推理规则的特性,并对该特性进行分析。该分析结果可以在今后信息检索中得到应用。     

基于消息传递的企业信息系统集成框架研究

企业信息系统集成是当前研究的热点,但在系统集成中普遍存在着扩展性、适应性问题,针对这些问题提出了一种基于消息传递方式的动态集成框架。在框架中,消息协议和业务知识都以库形式存在,这样可以适应未来系统功能的变化;子系统接入采用stub-adapter结构,使得子系统的添加、删除相对简便。对框架的结构、协议和特点进行了具体的描述。     

基于双向推理的主体框架

文章提出了一个基于双向推理的主体框架FBRA,它是一个混合型的主体框架,主体既是反应的又是慎思的。它的推理内核是正向推理和反向推理相结合。正向推理用于对环境的反应,包括对其他主体的反应。反向推理基于溯因推理,用于信念修正、规划、多主体协调和多主体通信等。     

基于快速消息传递的高性能PVM

并行虚拟机(parallelvirtualmachine,简称PVM)是并行工作站机群系统中流行的并行软件环境之一.分析了PVM的实现机制,指出PVM低效的原因,并给了基于高速精简通信层调整消息传递(fastmessagepassing,简称FMP)的高性能PVM(high-performancePVM,简称HPVM)的详细设计和实现.     

基于Message Passing的并行编程环境

在分布式并行计算机系统中，由于处理机间无共享内存，因此采用了ＭｅｓｓａｇｅＰａｓｓｉｎｇ方式实现处理间的通信。文中讨论了基于ＭｅｓｓａｇｅＰａｓｓｉｎｇ的并行编程环境所应具备的特点，然后介绍几种被人们普遍接受的并行编程环境。     

基于消息传递的时域分解并行算法研究

将Parareal算法中的预估校正格式加以改进,提出时域分解并行算法。基于主从模式和消息传递,具体考察了群体通信和非阻塞通信模式,并设计出通用而简便的并行化模型。在集群系统下对热传导方程和对流扩散方程的数值模拟结果表明:算法具有较高的加速性能以及良好的可扩展性,体现了时域分解的独特优势。     

基于消息传递接口的线性方程组并行计算研究——以改进的高斯消元法为例

在传统的线性方程组高斯消元法中需要的时间复杂度,因此在实际工程中,一个高阶的线性方程组的求解可能需要数天甚至数月的时间来求解。为了进一步提高高阶线性方程组的求解效率,本文在基于消息传递接口的并行环境下,对线性方程组的连续高斯消元算法的设计与实现进行了研究,研究的结果表明相较于传统高斯消元法,并行环境下的高斯消元解法具有更好的性能。     

基于消息传递并行进程迁移技术的研究与实现

高可用在并行计算环境中的地位日益突出.实现LAM/Migration扩展了LAM/MPI的进程迁移功能,可实现MPI整体任务在节,最之间的自由迁移,其迁移功能对应用程序透明,智能化程度高,并可应用于集群节点客错与负裁均衡,有效提高集群的可用性.     

P2P-MPI: A Peer-to-Peer Framework for Robust Execution of Message Passing Parallel Programs on Grids

This paper presents P2P-MPI, a middleware aimed at computational Grids. From the programmer point of view, P2P-MPI provides a message-passing programming model which enables the development of MPI applications for Grids. Its originality lies in its adaptation to unstable environments. First, the peer-to-peer design of P2P-MPI allows for a dynamic discovery of collaborating resources. Second, it gives the user the possibility to adjust the robustness of an execution thanks to an internal process replication mechanism. Finally, we measure the performance of the integrated message passing library on several benchmarks and on different hardware platforms.     

在消息传递并行机上的高效的最小生成树算法

基于传统的Borǔ vka串行最小生成树算法,提出了一个在消息传递并行机上的高效的最小生成树算法.并且采用3种方法来提高该算法的效率,即通过两趟合并及打包收缩的方法来减少通信开销,通过平衡数据分布的办法使各个处理器的计算量平衡.该算法的计算和通信复杂度分别为O(n²/p)和O((t_sp+t_wn)n/p).在曙光-1000并行机上运行的实际效果是,对于有10 000个顶点的稀疏图,通过16个节点的运行加速比是12.     

基于消息传递的谱聚类算法

谱聚类将数据聚类问题转化成图划分问题,通过寻找最优的子图,对数据点进行聚类。谱聚类的关键是构造合适的相似矩阵,将数据集的内在结构真实地描述出来。针对传统的谱聚类算法采用高斯核函数来构造相似矩阵时对尺度参数的选择很敏感,而且在聚类阶段需要随机确定初始的聚类中心,聚类性能也不稳定等问题,本文提出了基于消息传递的谱聚类算法。该算法采用密度自适应的相似性度量方法,可以更好地描述数据点之间的关系,然后利用近邻传播（Affinity propagation,AP）聚类中“消息传递”机制获得高质量的聚类中心,提高了谱聚类算法的性能。实验表明,新算法可以有效地处理多尺度数据集的聚类问题,其聚类性能非常稳定,聚类质量也优于传统的谱聚类算法和k-means算法。     

Visualization of Message Passing Parallel Programs with the TOPSYS Parallel Programming Environment

Parallel programming is orders of magnitudes more complex than writing sequential programs. This is particularly true for programming distributed memory multiprocessor architectures based on message passing programming models. Apart from understanding the sequential parts of the parallel program, new degrees of freedom lead to additional problems. Understanding the synchronization and communication behavior of parallel programs is the most critical issue in programming distributed memory multiprocessors. The paper describes methods and tools for visualization and animation of the dynamic execution of parallel programs. Based on an evaluation and classification of existing visualization environments, the visualization and animation tool VISTOP (VISualization TOol for Parallel Systems) is presented as part of the integrated tool environment TOPSY S (TOols for Parallel SYStems) for programming distributed memory multiprocessors. VISTOP supports the interactive on-line visualization of message passing programs based on various views; in particular, a process graph based concurrency view for detecting synchronization and communication bugs.     

基于全局消息传播的贝叶斯推理

在贝叶斯网络中，常常需要作不确定概率推理。然而针对一般复杂网络，精确推理算法由于计算复杂度太高而常常被摒弃。针对这一问题，本文提出了一种基于全局传播的PPJT近似推理算法。PPJT算法采用消息传播机制，通过消息的收集与分发过程，可以更新和修正连接树节点的团势并最终生成相容连接树。与另一种常用的近似推理算法即似然权重（Likelihood Weighting）算法的时间性能对比实验显示，采用消息传播机制的PPJT算法有效地降低了计算的时间复杂度；同时与似然权重算法的性能对比实验表明，在相对小规模观察样本输入条件下，PPJT算法能够保证更高的概率推理精度。PPJT算法为实现一般复杂网络中的概率推理提供了一种新的理论工具。