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。     

基于CUDA的汇流分析并行算法的研究与实现*

针对基于数字高程模型（DEM）生成流域等流时线的快速运算问题,提出了一种基于统一设备计算架构（CUDA）平台同时可发挥图形处理器（GPU）并行运算特性的汇流分析的快速并行算法。采用改进后的归并排序算法进行数据排序及新的内存分配策略和改进的并行算法进行汇流分析。用该并行算法和CPU上的串行算法, 对生成基于DEM的等流时线运算时间和矩阵乘法运算时间进行分析验证。实验结果表明,基于CUDA的汇流分析并行算法能提高系统的计算效率,具有较好的效果。     

MSP问题解法的并行化研究

为提高MSP问题的多项式时间算法ZH算法的计算速度，使其能够进行更大规模多级图的测试，本文对ZH算法进行了性能分析与并行的可行性评估，针对ZH算法中循环体较多的特点，分别在巨型机和普通PC机上进行MSP问题求解算法的首次并行化实践，随之对并行化算法提出优化方法，在实验中取得了较高的加速比。     

基于MapReduce的Bagging决策树优化算法

针对经典C4.5决策树算法存在过度拟合和伸缩性差的问题,提出了一种基于Bagging的决策树改进算法,并基于MapReduce模型对改进算法进行了并行化。首先,基于Bagging技术对C4.5算法进行了改进,通过有放回采样得到多个与初始训练集大小相等的新训练集,并在每个训练集上进行训练,得到多个分类器,再根据多数投票规则集成训练结果得到最终的分类器;然后,基于MapReduce模型对改进算法进行了并行化,能够并行化处理训练集、并行选择最佳分割属性和最佳分割点,以及并行生成子节点,实现了基于MapReduce Job工作流的并行决策树改进算法,提高了对大数据集的分析能力。实验结果表明,并行Bagging决策树改进算法具有较高的准确度与敏感度,以及较好的伸缩性和加速比。     

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.     

基于并行小波算法的DEM数据多分辨率模型构建

由于离散小波的多分辨率分析特性和DEM数据多分辨率模型的一致性,可以采用离散小波算法来构建DEM多分辨率模型,同时针对现有的基于小波的DEM数据多分辨率模型构建中运算量过大的问题,采用了基于并行的小波算法来进行多分辨率模型构建.由于DEM数据等价于二维的灰度图像,可以作为二维信号来进行处理.首先给出了二维离散信号小波变换的Mallat算法,进行了算法的可并行性分析;然后描述了各处理机中的局部数组的数据结构并讨论了并行算法中多处理机逻辑拓扑间的数据传递.实验结果证明,小波算法适宜于并行,且将其应用于DEM数据多分辨率模型构建时能获得理想的加速比,基于并行的小波算法能极大地加速多分辨率模型的构建速度.     

基于CUDA的SVM算法并行化研究

SVM算法在统计分类以及回归分析中得到了广泛的应用。而随着物联网的迅速发展,SVM算法在各种应用中往往需要解决大量数据的快速处理问题。在SVM算法并行化研究中,首先对SVM算法进行分析研究,提出了基于CUDA的SVM算法并行化方案;其次,进一步研究海量数据的处理,提出海量数据处理的并行化方案;最后,通过实验分析对比了并行化算法的性能。     

一种基于等高线生成DEM的方法

文中分析了常用的插值方法，通过对等高线生成DEM数据方法的研究，提出了分量内插方法生成DEM数据的算法，对实现过程进行了详细分析，并对DEM网格精度作了进一步探讨，该算法已用VC＋＋6．0编程实现。通过实际使用，证明该算法执行速度快，能够满足精度要求。     

基于图模型的多边形自动并行构建算法

目前GIS基础算法并行化成为高性能GIS进一步深入的前提,作为GIS空间分析基础算法的重点,有必要对多边形构建提出一种自动并行算法。为此,提出基于图模型的多边形自动并行构建算法。该算法根据图模型中有向闭合环的特点对一组线段的集合进行多边形构建,能有效提高多边形构建的自动化程度。将搜索、排序等耗时较多的操作进行并行化处理,能有效减少全局搜索次数及整体排序和逻辑操作时间。实验表明,在对大规模线性数据生成区域时,该算法能有效地实现效率提升,达到良好的效果。     

FMM算法的并行化方法

详细分析快速多极算法FMM(Fast Multipole Method)的基本原理,并对引力场的势函数的多极展开和泰勒局部展开进行了详细的推导.给出了串行FMM算法的伪码描述,并对其进行并行化分析、处理,对FMM算法进行了并行化研究.最后,在基于MPI的群集并行计算环境下进行大量的实验并采集实验数据,对算法进行并行化性能分析,得到较好的并行加速比和较高的并行效率.     

基于GPU的海量离散点高程并行插值算法

提出一种基于GPU的高程并行插值算法,实现了对三维地表上海量离散点的并行加速渲染。通过高程纹理组织三维地表网格高程数据作为离散点渲染的基础,并通过GLSL编写GPU着色器程序动态控制图形渲染管线,实现视点相关的高程并行插值算法。实验结果表明,提出的基于GPU的高程并行插值算法较传统的内存插值算法,将三维地表上海量离散点的渲染量级从百万级提高到了千万级。     

基于水系改进的数字高程模型内插研究

流域地形是决定水系生成的一个关键性因素，是数字流域和分布式水文模型研究的主要内容。针对现有应用数字高程模型进行水文分析时存在的若干问题，在对当前数字高程模型的生成算法进行讨论的基础上，提出在利用现有方法进行内插的过程中加入河流数据进行方向判断和高程修正的算法。通过试验与分析，得出应用本方法生成的数字高程模型在保留精度的基础上，较好地反映了地表水文特征和河流结构，利用它不仅可以进行一般的地学分析，还能够作为水文模拟与研究的数据源。     

基于分形几何的空间多面体变形法在三维地表插值中的应用

在由立体像对生成数字高程模的过程中,由于匹配算法的限制和地物之间的相互遮挡,经常不能直接恢复出所有点的高程数据,因此采用某种插值算法由已有的有数值 得到更为稠密的地表三维数据,便成为建中一个不可缺少的重要环节。     

无人机DEM测点插值算法的矿区沉陷测绘技术

为实现对矿区沉陷深度的精准测量,完善测绘技术的具体实施方案,针对无人机DEM测点插值算法的矿区沉陷测绘技术展开研究;根据DEM测点获取结果,实施分维值测定处理,再以此为基础,确定插值拐点所处区域,实现对无人机DEM测点插值算法应用流程的完善;联合像控点布设原则,定义空中三角区域,并通过推导径向插值基函数的方式,建立矿区沉陷区域的地理模型;在空间坐标系转换条件的基础上,确定矢量数据叠加的处理结果,再结合像片倾角与旋偏角的实际取值,求解测量精度评价指标,完成无人机DEM测点插值算法的矿区沉陷测绘技术实施方法的设计;实验结果表明,上述测绘技术方法作用下,沉陷深度测量结果与矿区真实沉陷深度之间的差值不超过1 m,符合精准测量的应用需求,对于测绘实施方案的完善可以起到一定的促进性影响作用。     

等高线图的高度恢复算法研究

用于等高线图到数字高度图（Digital Elevation Map)转换的转换算法是很多应用都需要的算法，为了提高这一转换的精度与效率，一个相应的算法－区域内插法被特别提出来，该算法利用了等高线图固有的特性，即“图象被等高线分割成多个区域，每个区域内的边界只有两个等高线值”的特性，该算法可以在计算机上快速实现，经过与现有的象限搜索法的实验比较，由于它更好地利用了等高线图结构上的特点，致使其在提高速度的同时，精度上较象限搜索法也有很大的提高，因而具有很强的实用价值。     

基于格网划分的海量DEM数据生成

在自适应格网划分的分割-合并Delaunay三角剖分算法、格网线性内插方法的基础上，提出基于格网划分的海量DEM数据生成算法．该算法执行效率较高，对计算机硬件配置要求较低，并适合于并行处理。     

一种城市三维建模的集成处理方法

在对AutoCAD和MapInfo的数据结构进行分析比较的基础上，首先提出了从CAD图形符合及注记中，提高取程点、高程值以及相关属性信息的面积匹配与类型转换的方法；然后创建了基于CAD线划建筑物的重现点-线拓扑关系生成多边形的方法；最后实现了地形高程与建筑物空间及其属性特征值的自动获取，在此基础上进一步构建了城市DEM模型和实现了三维影象显示，形成了由CAD数据→GIS矢量数据→GIS栅格数据→三维影像的一种城市三维建模的集成处理方法，该方法较之工程化的航空摄影测量方法简单、快速、具有较大的实有价值，另外，还以苏州市32 号街坊的地形数据为例进行了实验，获得了较好的实验结果。     

The ANNS approach to DEM reconstruction

This research has 6 fundamental aims: (i) to present a modified version of Taylor's interpolation, one that is more effective and faster than the original; (ii) outline the capability of artificial neural networks (ANNs) to perform an optimal functional approximation of the digital elevation model reconstruction from a satellite map, using a small and independent sample of Global Positioning System observations; (iii) demonstrate experimentally how ANNs outperform the traditional and most used algorithm for the height interpolation (Taylor's interpolation); (iv) introduce a new ANN, the Conic Net, able to outperform the results of the classic and more known multilayer perceptron; (v) determine that Conic Nets, even when using Taylor's modified interpolation as input features, are able to optimally approximate the heights with one order of magnitude more than the original satellite map; and (vi) make evident the possibility to interpolate the DEM heights through an ANN, which learns a data set of known points.     

Relative DEM production from SPOT data without GCP

Abstract

This paper describes a method to produce a relative digital elevation model (DEM) from SPOT level 1A stereo pair or triplet images without the use of ground control points. The proposed method consists of 1. stereo matching by correlation, 2. calculation of the intersection point of pair or triplet viewing lines and 3. interpolation from random DEM to grid DEM. The emphasis is laid on how to restrict a search area for stereo matching using approximate epipolar constraint.

Relative error (standard deviation of error) of 80 by 50poinis DEM produced from stereo pair images with the convergence angle of 32° was found to be less than 30 m. Relative error from stereo triplet images was less than 26 m. The obtained relative errors suggest the potential of SPOT data to produce a relative DEM in the area where ground control points are not available.