遥感图像分类的神经网络并行学习算法

本文提出了一种基于Ｋａｌｍａｎ滤波方法的神经网络并行学习算法，模拟实验表明，这种学习算法加快了网络遥感图像分类的收敛速度和精度。     

合成孔径雷达并行成像算法研究及在曙光3000并行计算机上的实现

随着SAR成像技术的不断发展，对SAR图像的成像精度和实时率的要求也愈来愈高，尤其是军事领域，高实时率是SAR成像系统的一个关键指标。该文提出了一种基于CS成像算法的中粒度SAR并行成像算法，该算法中每一个处理步骤均能并行完成，是一种任务级的并行，适合于具有较高通信性能的并行处理系统。在曙光3000上的实验证明，该算法具有较高的实时率和并行效率。     

自动分类模型及算法研究

自动文档分类是信息处理技术的一个重要部分。本文介绍了分类的模型、相似度的计算方法以及分类算法。在分析比较的基础上，选择合适的模型和算法应用于元搜索引擎系统中。     

BP算法并行程序的自动生成与并行效率预测

神经网络的并行化计算是加快计算速度的一种有效途径，但是，编写并行程序较为麻烦，尤其２对同步和通讯语句的处理理炙繁琐。本文通过对ＢＰ神经网络计算方法的分析，找出其有利于并行化的特点，然后，根据给定的参数生成，包含通信与同步语句在内的并行化的源程序，并在文章的最后给出了对并行效率的预测。     

网络函数计算的分类算法

网络函数的计算实际上可归结为不定导纳矩阵的一阶和二阶余子式的计算。本文通过建立增广网络引入了增广不定导纳矩阵以及增广伴随有向图的概念,提出了一种计算一阶和二阶余子式的分类算法,这种算法简单而且所得表达式十分紧凑。这个算法的基本思想是通过计算增广不定导纳矩阵的一阶余子式或找增广伴随有向图的全部有向树来获得所需要的一阶和二阶余子式。避免了计算二阶余子式或找有向2树,使网络函数的计算更易于计算机程序化。     

基于社会情感算法的分类模型设计

本文首先通对分类模型进行分析,由于分类规则容易理解、简单,因此分类问题拟采用分类规则表示,而社会情感优化算法是一种新的群智能优化算法,模拟了人类群体的决策过程,因此将社会情感算法应用于分类问题,针对连续属性建立分类模型。     

基于分类挖掘的资源动态分配模型和算法

一般来说,资源分配是项目在施工和管理过程中经常遇到的问题,传统的解决方法忽视资源供给随时间变化的情况,在某种程度上造成了很大的损失。从这个角度来说,在分类挖掘的基础上,建立资源动态分配模型并对其具体的计算方法进行一番把握是非常重要与必要的。鉴于此,文章拟从资源动态分配的必要性、基于分类挖掘的资源动态分配模型以及基于分类挖掘的资源动态分配算法等几个方面来进行分析与阐述,以期加深对这一问题的认识与理解程度。     

一种新的并行聚类算法

为了进一步提高计算效率,提出一种面向计算机集群的并行聚类算法.首先合理划分数据块,之后由集群中的节点并行聚类,最后合并聚类结果.这期间采用动态负载平衡和异构的通讯方式.实验证明该并行算法不仅能得到正确的聚类结果,并能够大幅度提高聚类速度.     

基于C++ AMP加速并行蚁群算法

蚁群算法与同类智能算法相比具有计算速度快、收敛迅速、算法稳定性好等优点,但是随着数据量的增大,计算用时呈现指数型增长。为了更好地解决大数据量蚁群算法计算慢的问题,结合蚁群算法天然的并行性,基于最新的GPU并行化接口C++AMP实现了并行蚁群算法,使计算用时大幅度减少。经试验分析,该算法可以达到3倍的加速效果。     

小波变换与视觉计算模型的算法实现

本文根据小波变换与视觉初级的共同之处，提出一种采用小波变换来进行视觉预处理，并结合神经网络、注意控制等技术的计算机视觉系统方案。这种方案既符合人类视觉进行信息处理的机制，又有利于进行图象分析与模式识别。     

基于GPU的并行APSP问题的研究

Floyd-Warshall算法是图论中APSP(All-Pair Shortest Paths)问题的经典算法,为了加快计算速度,提出使用GPU通用计算来实现。文章先从算法的原理入手,层层深入,提出了可以在GPU上运行的并行F-W算法。之后,又根据矩阵分块的原理和GPU共享存储器的使用,实现了改进的GPU并行F-W算法。通过大量测试实验,得到了该GPU并行程序相对于传统CPU并行程序产生超过百倍的加速比的结论。     

一个有效的快速并行检索算法

本文给出了一种在多处理器环境下对有序序列进行快速并行检索的方法,详细讨论了有关算法及其数据结构.并给出了该检索系统对硬件结构的要求.     

并行演化算法在半导体器件综合中的应用

文章将并行演化算法应用于半导体器件综合，根据半导体工艺与器件综合的特点选用了主从式孤岛模型．并分析了参数对性能和加速比的影响。     

用于遥感图像分类的简化并行神经网络

本文通过分析遥感图像各类样本的分布特征，提出了一种适用于遥感图像分类的简化并行神经网络（PRNN）。该网络包括了多个彼此相似的原子网络，每一类样本通过一个或多个专门的原子网络作预处理，从而大大提高了整个网络的动态性。实验结果表明，简化并行神经网络（RPNN）能够并行复杂的遥感地物样本。并能够取得较高的分类精度。     

基于Hadoop的并行Apriori算法

针对经典Apriori算法及其改进算法不能有效处理大规模数据集,提出基于Hadoop-MapReduce编程模型的两种改进算法:HAprioriK,HApriori2。其中HAprioriK需要k个MapReduce Jobs,而HApriori2仅需要2个就能在整个数据集上找到频繁k项集,两种改进算法均充分利用了Hadoop平台的计算优势,可以轻松地处理大量数据。采用IBM的数据集进行改进算法有效性的研究,实验结果表明,HApriori2算法在不同规模的数据集和支持度下,能够有效地挖掘频繁项集,具有比HAprioriK更好的性能。     

并行分布计算中的静态负载分配

文章首先介绍了负载分配的几种分类，然后重点讨论了基于任务相关图的表态任务高度，最后给出了几种其它的任务高度模型。     

基于MapReduce模型的并行科学计算

随着多核处理器日渐普及,开发高效易用的并行编程模型成为新的挑战,MapReduce是Google开发的一种并行分布式计算模型,在其搜索业务中获得了巨大的成功,将MapReduce模型引入科学计算领域,并结合实例阐述了如何使用面向高性能计算的HPMR/HPMR-s系统在分布式或共享存储系统中采用统一的方式描述并实现并行科学计算.     

一种在r台机上的并行排序算法

本文给出一个在ｒ台机上的实用并行排序算法，并行步数不超过Ｔｒ＝Ｏ（ｎ／ｒ）ｌｏｇ２ｒ．ｌｏｇ２ｎ），１＜ｒ＜ｎ．