数据流上快速子序列匹配

数据流技术目前已广泛应用于金融分析、网络监控及传感器网络等诸多领域,而已有的相似性匹配技术主要针对时间序列数据库,难于直接应用于高速、连续、实时、海量的流数据,因此在数据流上渐进、实时地进行子序列匹配成为一个极具价值和挑战性的问题。在动态时间规整技术的基础上,设计了一种新颖的界限机制,充分利用相似性阈值,尽量减少冗余计算,算法完全符合数据流“单遍扫描”的性能要求,并通过大量的模拟和真实数据实验表明：与现有的SPRING算法相比,在不损失任何算法精度的前提下,仅增加几个字节的空间开销,速度至少提高3倍。     

数据流处理技术在电信网管系统中的应用

网络流量监测技术是电信运营商所关注的重点之一。随着网络传输带宽的不断增加,传统的基于磁盘的处理技术已经不能够满足运营管理的需要,数据流处理技术的出现为网络流量监测应用提供了一种新的解决方案。SMART[1,2]和RealMon[3]是将数据流处理技术应用于网络流量监测的两个应用系统。文中结合上海电信在骨干网流量监测上的应用需求,对这两个系统的设计与应用进行了介绍。SMART系统以数据流上的频繁项挖掘算法为基础,支持NetFlow数据流上长时间滑动窗口内的Top-K查询,实现了对网络流量分布的实时监测。RealMon系统采用数据流上的降维分析算法对SNMP数据流进行分析,通过监测网络链路上不同流量数据的相关性变化来发现异常流量。实验和在真实环境中的应用表明,SMART和RealMon系统能够满足骨干网流量监测应用的需要,并且极大地提高了监测系统的性能。     

网格GIS及其在粤西数字海洋中的应用研究

根据海洋信息化工程建设面临的问题,提出了基于网格地理信息系统的粤西数字海洋解决方案并讨论了其实现过程。首先介绍了网格地理信息系统的特点及体系结构,其次阐述了基于Grid GIS的粤西数字海洋框架,最后论述了数字海洋实现的功能。网格地理信息系统不仅具有强大的空间分析与统计功能、空间数据和属性数据的处理能力,还应用中间件技术解决海量数据在分布式、异构环境下的信息共享、快速存储、传输和访问的瓶颈问题,为海洋信息管理的标准化、网络化、空间化提供了有效的工具。     

海量数据流上快速Top-K子序列匹配算法研究

数据流技术在金融分析、网络监控等诸多领域得到了广泛应用,而已有的子序列匹配算法主要针对静态序列,难于直接应用到海量、高速和连续的流数据。本文在动态时间规整技术的基础上,提出了一种新颖的TopKSM算法,能渐进、实时地获取Top-K相似子序列。算法完全符合数据流"单遍扫描"的性能要求。大量的实验表明,与现有的SPRING算法相比,该算法具有更高的性能。     

实时的改进互信息匹配及其GPU实现

为提高模板匹配的速度和精度,提出了一种基于GPU实现的改进的实时互信息配准方法。为了算法不至于太复杂而不能在GPU下运行,使GPU临时变量减少到4个,然后利用GPU逐像素计算模板和焊缝图像的互信息。将所提算法应用到焊缝跟踪系统中,通过GPU来执行简化后的互信息计算,实验表明,所提出的算法可以完成每秒约30帧的图像焊缝跟踪。     

用FPGA实现数字匹配滤波器的优化方法

本文利用Xilinx公司Virtex系列器件的特殊结构．提出了一种比较新颖的数字匹配滤波器设计方法．它在保证了该匹配滤波器与传统匹配滤波器性能不变的前提下．最大限度的减少了占用的FPGA资源(与Xilinx公司推荐的设计方法相比较减少了50％以上的资源消耗)。该设计被应用于全数字直接序列扩频接收机中，并取得了满意的效果。     

一种多通道数据流直接数字频率合成器

采用0.13μm工艺,设计了一种10 bit精度、无杂散动态范围(SFDR)为54 dBc、最大工作频率达到1.2 GHz的直接数字频率合成器DDFS。采用多通道数据流结构,提高了工作频率;利用QLA技术对ROM查询表进行了优化,压缩了ROM查询表的大小,提高了频谱纯度。     

工作流管理系统中的数据流传输优化

在分布式工作流程管理系统中,由于工作流引擎分散在不同的区域,因此工作流程中数据传输是一个值得研究的问题。本文提出了一种新型的分布式工作流管理系统中数据流的传输策略。定义了一个工作流模型表示法-控制与数据流图CDFG,用于观察数据流存在的问题;提出了具有数据流传输优化机制的工作流系统架构DTO DWfMS和支持该架构的数据流传输语言DFTL。利用DFTL设计者能够以程序设计的方式定义工作流中活动对数据的作用情形和活动之间的数据传输策略。利用该架构和语言设计的工作流系统具有最佳的数据传输功能,可在不需要等待程序代码、数据且正常的情况下完成工作流的执行,以降低网络的负载并提高整体执行效率。     

数据流中异常模式的提取与趋势监测

研究的重点是数据流环境中异常模式的提取与趋势监测．主要贡献包括：①提出了一个进行异常模式发现的度量框架——强度比率,为异常模式挖掘提供了度量标准;②在基于异常模式求取的基础上,提出了利用回归分析方法——最小二乘法进行异常模式趋势监测．实验结果表明,提出的异常模式度量和求取算法是合理的,提出的趋势监测方法是有效的、可行的．     

一种并行中英文混合多模式匹配算法

针对中英文混合文本的匹配准确性及大规模数据文本的匹配效率等问题,基于经典的线索化完全哈希特里树算法,提出一种并行化的中英文混合多模式文本匹配算法。采用拆分文本降低多模式匹配算法的串行度,进而在拆分出的小文本上并行地执行文本匹配。通过并行化预处理过程,设计新的存储结构。实验结果表明,该算法在保证结果正确的前提下,执行效率高于经典的串行匹配算法,当数据规模达到226个字符时,可以获得8倍以上的加速比。     

广义霍夫变换在多目标检测领域的应用及优化

分析了广义霍夫变换（GHT）的原理及在目标检测领域的已有研究,在原单目标检测的基础上,加入了多个相似目标物体检测与计数的能力,根据阈值的设定,能够快速准确地从图像中同时识别出多个目标物体,并记录下各目标物体的相关位置信息。利用GPU对GHT算法进行加速,充分挖掘算法各个步骤的潜在并行性,并结合GPU中的各种存储器优化方法,合理安排各存储器的存储数据,实验结果表明,GPU极大提升了算法的运行速度。     

基于OpenCL的累积汇流并行计算

大尺度、高分辨率数字地形数据应用需求的增长,给计算密集型的累积汇流等数字地形分析算法带来了新的挑战。针对CPU/GPU(Graphics Processing Unit)异构计算平台的特点,提出了一种基于OpenCL(Open Computing Language)的多流向累积汇流算法的并行化策略,具有更好的平台独立性和可移植性,简化了CPU/GPU异构平台下的并行应用程序设计。累积汇流并行算法包括时空独立型的流量分配和空间依赖型的累积入流两个过程,均定义为OpenCL内核并交由OpenCL设备并行执行,其中累积入流过程借助流量转移矩阵由递归式转换为迭代式来实现并行计算。与基于流量转移矩阵的并行汇流算法相比,尽管基于单元入度矩阵的并行汇流算法可以降低迭代过程中的计算冗余,但需要采用具有较大延迟的原子操作以及需要更多的迭代次数,在有限的GPU计算资源下,两种算法性能差异不明显。实验结果表明,并行累积汇流算法在NVIDIA GeForce GT 650M GPU上获得了较好的加速比,加速性能随格网尺度增加而有所增加,其中流量分配获得了约50～70倍的加速比,累积入流获得了10～20倍的加速比,展示了利用OpenCL在GPU等并行计算设备上进行大规模数字地形分析的潜在优势。     

基于OpenCL的点云分割方法

点云分割是逆向工程中模型重建的关键技术之一,然而在求取点云特征时非常耗时,通过OpenCL异构计算对其进行性能加速有着重要的现实意义。以散乱无序的点云为研究对象,通过OpenCL对点云分割算法加以改进。算法主要分为并行计算点云数据的特征值,并行计算点云数据的法向量和曲率3个步骤。在计算中,根据GPU的并行结构和硬件特点,优化了数据存储结构,提高了数据访问效率,降低了算法复杂度。实验结果表明,算法充分利用了OpenCL的并行处理能力,运行效率是基于CPU实现的16倍。     

基于GPU加速的锥束CT重建算法研究

锥束计算机断层扫描（Cone-Beam Computed Tomography，CBCT）具有采集速度快和空间分辨率高等特点，被生物医学等领域广泛关注。然而通过CPU串行处理CBCT重建中海量投影数据非常耗时，难以满足实时性的需求。GPU的发展为CBCT重建的并行加速提供了条件。根据三角函数周期性的特点对FDK算法进行了改进，并利用GPU实现了12幅投影数据同时并行计算。实验结果表明，相比于传统基于CPU的重建算法，基于GPU的CBCT重建算法在保证图像质量的前提下，将重建速度提高了超过310倍。     

基于GPU的位并行多模式串匹配研究

图形处理器(GPU)具有较强的单一运算能力及高度并行的体系结构。根据上述特点,选择基于位并行技术的多模式串匹配算法M-BNDM,将其移植到GPU上加以实现和优化。通过对需要处理的数据进行预处理,将串匹配的过程简化为更适合CUDA计算数据的位操作。对基于CUDA架构的并行串匹配算法的性能影响因子进行分析。实验结果表明,与同等CPU算法相比,该算法能够获得约十几倍的加速比。     

基于GPU的多点触控图像处理技术

现有的图像校正技术仅对触点坐标进行校正,存在损失大量操控面信息,限制复杂交互方式的缺点。为此,利用图形处理器(GPU)的可编程性和图形图像计算方面的优势,由GPU完成图像校正和处理过程,以此提高图像处理速度。为使系统支持更复杂的操控与交互,改进图像校正和处理流程,实现图像的整体校正,在保留操控面全部信息的同时减少CPU占用资源。理论分析与实验结果验证了该方法的有效性。     

大尺度空间场景可视化中浮点精度问题研究

在具有极大数值范围的空间场景中实现可视化时,为避免图形处理器以32 bit单精度浮点表示所产生的“Wobbling”、“Pieces”等现象,提出分组分次绘制的解决方法.针对上述现象产生的原因,将场景中的对象分为大实体和小实体,根据空间场景的特征和对象之间的关系将场景中的对象分组,设计组内对象的绘制方法.实验结果表明,...     

基于Tesla平台的快速反投影运算

反投影运算是锥束CT图像重建算法中运算量最大,最耗时的部分,是制约重建速度的瓶颈。为此,在计算统一设备架构模型下,应用体素驱动法实现基于Tesla平台的反投影(BP)并行运算,并对BP运算上的访存和数学指令进行优化。实际CT数据的重建结果表明,该方法的运算速度是CPU串行程序的198倍,效率高且易于实现。     

图形处理器上地质模型的快速体素化

基于图形处理器(GPU)上的多目标缓存提出了一种新的地质模型快速体素化算法,可以在GPU上绘制模型的过程中在像素着色器中利用多目标缓存上的逻辑或操作完成模型表面体素化处理,在后处理的屏幕绘制过程中对模型内部进行体素化填充,极大地提高了计算速度,使得大规模地质模型可以在常见GPU平台上得以实时体素化,可以较好地处理模型内部的空腔等问题。针对算法在模型相近表面或微小凹凸处会产生错误的情况,设计了一种基于逻辑异或操作的实体体素化改进算法,使其结果更为快速准确。