基于并行计算模型的并行微粒群算法的性能分析

将微粒群算法与并行计算模型相结合,基于三种不同的并行计算模型(带中央控制器的并行计算模型、环形结构带缓存区的并行计算模型、BSP并行计算模型),设计出相应的并行微粒群算法,并对并行算法性能进行详细分析。大量实验表明:子种群之间的通讯周期是个重要的可变参数,当选取合适时,能提高解的质量以及算法的收敛性和最优性。     

基于CPU/GPU异构体系结构的混合编程模型

随着计算机GPU硬件的快速发展,GPU编程环境变得友好,CPU/GPU异构体系结构也被广泛的应用。文章为了有效利用CPU/GPU异构体系结构的优点,并提出了基于该体系结构的两种并行编程模型,使得并行程序设计研究人员使用CPU/GPU异构体系结构的并行编程模型来对大量的程序进行设计,从而最大程度地提高程序的性能。     

并行应用程序调度策略研究

为了提高并行应用程序在异构平台上的执行效率,从范例、粒度角度对并行组件分类并设计相应模型,从而实现串行、消息并行或内存并行共享,粗、精、中粒度均可的各类范例的运行,同时也可针对组件的编程语言对范例进行编程。基于对组件范例、粒度的描述及资源使用的信息,进一步提出了组件调度策略,经测试表明组件模型和调度策略改善了并行应用程序的执行,提高了异构平台资源的利用率。     

数字城市服务自适应访问控制模型

传统访问控制模型不适合数字城市异构、跨域、动态变化的特征,容易造成用户使用服务信息的泄露.本文在分析传统访问控制模型基础上,结合数字城市服务特点,设计了数字城市网络中细粒度访问控制模型,给出自适应访问控制策略及实施策略算法并对其性能进行了分析.分析结果表明该模型能够满足不断变化或扩展的动态安全需求,而且相比传统访问控制模型,性能也得到了提高.     

基于Amdahl定律扩展的多核处理器性能模型研究

通过引入应用程序并行特征、通信开销、资源限制等因素,建立了基于Amdahl定律扩展的多核处理器性能模型.通过模型参数仿真,搜索面向特定应用的多核处理器设计空间,得出如下规律:增大计算核心规模可实现超线性加速比;结构应优先选择异构结构;设计多进程、大容量的共享通信区可降低核间通信开销;计算核心数目和规模由应用程序并行度和各并行部分比例及设计规模决定.     

一种提高联邦学习准确度的算法

联邦学习可以使客户端在不公开其本地数据的情况下合作训练一个共享模型,此种学习方式保证了客户端数据的隐私性。但是,与集中式学习相比,客户端数据的异构性会大大降低联邦学习的性能。数据异构使本地训练的模型向不同方向更新,导致聚合后的全局模型性能较差。为了缓解数据异构对联邦学习造成的影响,算法提出了基于模型对比和梯度投影的联邦学习算法。此算法设计了一个新的损失函数。新损失函数利用全局模型与本地模型的差异性来指导本地模型的更新方向,并且通过降低全局梯度与本地梯度的冲突来提高模型准确度。实验表明相比其他算法,此算法可以在不增加任何通信开销的情况下达到更高的准确度。     

Volterra级数模型辨识算法的改进研究

本文研究了 Volterra级数模型全解耦辨识算法,提出Volterra级数模型并行辨识算法的设计思想,设计了并行算法.实验和仿真结果表明,该算法能有效减小模型的在线辨识时间,能有效克服Volterra级数模型辨识中的维数灾难问题,且收敛速度快、稳态精度高,有利于实现工程应用.     

基于C6678的主被动三维影像生成算法并行设计

当前,如何实现高效的主被动三维影像生成技术是遥感应用中的一个研究热点。由于激光雷达-光学CCD的三维影像生成算法具有数据量大、处理复杂的特点,为实现其高效实时的应用需求,本文利用TMS320C6678多核DSP开展了并行处理技术方面的研究。并针对两种主流并行模型(主从模型和数据流模型),分别进行了三维影像生成算法的并行设计。最后,依托开发平台进行测试分析,总结论证了两种主流模型的设计要点与适用情况,为多核DSP在实际应用中的资源高效利用提供了思路。     

基于MPI和OpenCL多层次并行图像卷积算法设计

通过对图像卷积算法的分析,发现算法在对图像处理的过程中具有很高的并行性。提出了一种结合异构开发框架开放运算语言(Open CL)和并行开发库消息传递接口(MPI)的算法,在支持图形处理器(GPU)的异构集群环境下设计并实现了图像卷积算法的多层次并行实现,使得算法在处理速度上有了显著的提升。     

基于改进的BSP模型的红外图像并行处理研究

针对导弹末制导红外图像处理实时性要求,分析了红外图像并行实时处理算法及其集群计算机的实现,建立了适应于实时处理的BSP改进模型和集群并行处理软件系统,并给出了红外图像并行处理算法的实现方法.研究了应用提升小波实现图像并行处理算法及实现,进而分析了算法性能,推导出了加速比模型.实验验证了其有效性.     

云计算关键技术之分布式计算认知研究

面向云计算应用领域的并行计算和分布式计算,较之以往有新的特点和实现原则。并行计算可以分为时间并行和空间并行,空间并行因其使用多个处理器并发执行计算,更具实用价值。分布式计算的工作模式是,中心服务器将一个大型计算任务分割成若干个或更多个任务单元,利用网络分派给多台计算机分别去完成,任务完成后再返回到中心服务器。分布式计算具有容错能力更强、维护更灵活、性价比更高的比较优势。CAP和BASE理论是当今互联网领域颇受关注且十分流行的分布式NoSQL的理论基础。     

并行计算环境下的快速傅立叶变换算法分析

为了提高并行环境下的傅立叶算法的运行速度,深入研究在不同并行计算模型下的傅立叶算法性能特点,分析输出结果序列关系和递归层数的确定方法,对SIMD-MCC模型、SIMD-BF模型、SIMD-CC模型下的傅立叶算法计算步骤和算法复杂度进行研究。结果表明,SIMD-CC模型更适合傅立叶算法的运算,其计算时间复杂度可达到O(lbn),并且使用的处理器个数也较SIMD-MCC模型少。     

异构分布环境下企业计算模型的研究与实现

异构分布环境下企业关键应用的无缝集成是企业计算要解决的重点问题.传统的企业计算模型采用自上而下的集成方法,往往与自下而上的实际集成过程相矛盾.本文提出的新的企业计算结构-以对等计算技术为核心的基于松耦合消息协同的企业计算模型UECM可以完全适应这种自下而上的集成需求.UECM目标在于为异构、分布、分散环境下的企业应用系统的互操作提供一个轻量的、低代价的、健壮的、可伸缩的基础平台,同时克服传统方法在扩展性和服务器瓶颈问题上的不足.     

H.264并行视频编码的分配机制的研究

H.264作为新的视频压缩标准,采用了许多先进的算法,提供了很好的视频压缩质量。获得出色压缩效果和质量的代价是压缩编码算法复杂度的增加。为了寻求更高的编码速度,集群并行计算被运用到H.264的视频编码计算中。本文结合并行算法设计,通过对H.264视频编码的研究,分析了H.264可实现并行计算的任务单元选择;采用了片（Slice）级的H.264并行编码计算方法,并对其性能进行了测试和分析。     

非对称多核体系下的阿姆达尔定律性能模型研究

阿姆达尔定律研究并行计算的性能并指出任务的极限所在,为了突破这一瓶颈而提出的非对称多核硬件架构则需要适合的性能模型来支撑其理论价值.新的量化模型引入了具体的核配置等参数,通过分析比对两种架构下的加速比,得到了任务性能在非对称体系上优于对称架构的结论.该模型同时发现,遵循一定的设计规则来转换对称体系至非对称架构可以很大程...     

云计算虚拟环境的形式化安全验证

云计算是一种新兴的计算、存储资源使用模式,由于具备低成本、高效率等优点,得到了业界的广泛应用,但安全性仍然是云计算推广最大的障碍之一。虚拟化作为云计算的关键技术,其安全水平直接影响云环境的安全性,目前对云计算虚拟环境多采用传统的覆盖式验证方法,无法彻底解决正确性问题。文中通过结合形式化方法中的模型检测技术,经过配置采集、需求分析和性质检测3个阶段对虚拟化安全性质进行高覆盖率验证,提供了一种对云计算环境进行安全评估的可行思路。     

基于MapReduce的PageRank算法的研究

在对PageRank算法进行研究的基础上,利用MapReduce编程模型思想对PageRank算法进行改进,设计了在云平台Hadoop环境下运行的基于MapReduce的PageRank分布式并行算法,并在实验中对不同规模的Web图数据集进行了测试,分析不同的Blocksize参数对于算法计算性能的作用以及集群节点数目对于算法运行效率的影响.     

A Case for Cloud-Based Mobile Search

Mobile search is beset with problems because of mobile terminal constraints and also because its characteristics are different from the traditional Internet search model. This paper analyzes cloud computing technologies-especially mass data storage, parallel computing, and virtualization-in an attempt to solve technical problems in mobile search. The broad prospects of cloud computing are also discussed.     

计算任务与体系结构匹配的异构计算可扩展性分析

 扩展性是衡量高性能并行系统的一个关键要素,而扩展性的研究主要集中在同构的高性能系统上,异构系统研究的文献很少. 本文以异构系统为研究对象,根据实际应用任务,将计算任务分为三类:单任务模型、元任务池模型和fork-join任务队列模型,并给出这三类计算任务的定义. 提出描述基于计算任务和体系结构相匹配的异构计算系统匹配矩阵,给出异构计算的可扩展性定义. 针对上述三种计算任务模型以及异构匹配给出异构系统的可扩展性条件,为异构系统的可扩展性提供了理论依据. 用实例分析证实了这种方法的有效性.