检索结果-南通市图书馆

武汉大学学报（信息科学版） 2023年第9期48卷 1482-1489页

作者：郑晔郭仁忠贺彪马丁李晓明赵志刚深圳大学建筑与城市规划学院智慧城市研究院广东深圳518060 深圳市空间信息智能感知与服务重点实验室广东深圳518060 自然资源部国土空间大数据工程技术创新中心广东深圳518060

区域对象的可视查询是沿着区域视线方向剔除三维空间数据中一些表面被遮挡住而导致不可见的数据,从而提高大规模三维场景的可视渲染效率。针对传统区域可视查询视点空间划分粒度细、计算难度大的现状,提出了一种基于映射-归约的分布式... 详细信息

区域对象的可视查询是沿着区域视线方向剔除三维空间数据中一些表面被遮挡住而导致不可见的数据,从而提高大规模三维场景的可视渲染效率。针对传统区域可视查询视点空间划分粒度细、计算难度大的现状,提出了一种基于映射-归约的分布式可视查询方法。在映射函数中,按照三维对象的空间分布规律构建层级轴对齐包围盒,以轴对齐包围盒为视点空间划分区,将可视域范围内三维对象发送至规约函数中进行可视判断。在规约函数中,利用平面拆分后射线求交方法,通过构建二叉空间分割树计算每一视点空间划分区的潜在可视集,从而实现三维空间对象的分布式可视查询。将此方法用于深圳市20多万个三维空间对象的可视查询实验中,从数据量、划分粒度和并行度等角度验证了算法的可行性和有效性。

关键词：可视查询映射-归约空间分布式计算三维地理信息系统智慧城市

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于映射-归约模型的SVM可扩展硬件实现架构

引用

电路与系统学报 2011年第5期16卷 90-94,89页

作者：曹葵康沈海斌浙江大学超大规模集成电路设计研究所浙江杭州310027

为了提高支持向量机(SVM)在嵌入环境中的适用性,提出了一种用于SVM训练和分类的可扩展硬件架构,并基于FPGA平台测试了其性能。基于映射-归约(MapReduce)模型分析提取出SVM算法中的并行性,并进一步映射至多个并行处理单元。实验表明,该... 详细信息

为了提高支持向量机(SVM)在嵌入环境中的适用性,提出了一种用于SVM训练和分类的可扩展硬件架构,并基于FPGA平台测试了其性能。基于映射-归约(MapReduce)模型分析提取出SVM算法中的并行性,并进一步映射至多个并行处理单元。实验表明,该架构可基于定点运算单元有效地完成SVM训练和分类,并具有良好的可扩展性。

关键词：支持向量机并行计算映射-归约现场可编程门阵列

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

云计算在素性检测中的应用

云计算在素性检测中的应用

引用

作者：王娜成都理工大学

学位级别：硕士

云计算的兴起带来了又一次信息革命。云储存、云计算、云安全、云杀毒、云邮箱等等，一系列的和云有关的名词如雨后春笋般涌现。云计算是网格计算和效用计算的变身版，为用户提供包括自助式服务、虚拟化资源、快速弹性计算和海量存储等... 详细信息

云计算的兴起带来了又一次信息革命。云储存、云计算、云安全、云杀毒、云邮箱等等，一系列的和云有关的名词如雨后春笋般涌现。云计算是网格计算和效用计算的变身版，为用户提供包括自助式服务、虚拟化资源、快速弹性计算和海量存储等诸多服务。云计算的关键技术之一就是Google公司于2009年提出的MapReduce简化分布式计算模型，这是一种专门用来处理数据密集型计算的分布式计算方法。而这种思想早在2006年就已经在Apache公司的Hadoop产品中有所体现，并被Yahoo公司的网格计算团队采用。Hadoop主要由HDFS和MapReduce两部分组成，其基本思想就是把庞大的数据分成小块，分别对小块数据化简之后再进行归约。基本流程是首先把标准输入流中的元素分布式存储在每个分块（任务节点）中，再由主控节点给任务节点分配Map（化简）和Reduce（归约）任务，任务完成后由标准输出流输出。素性检测是公钥密码学的关键技术之一，目前已经找到的最大素数是第47个梅森素数（243,112,6091），其素性的判定采用的是Lucas-Lehmer素性检测法。除了判定梅森素数的Lucas-Lehmer素性检测法，目前比较流行的素性检测方法有theSieveofEratosthenes（试除法）、Miller-Rabin素性检测法、AKS素性检测法及AKS的一些改进算法。素性判定亟待解决的问题就是如何缩短算法的时间复杂度。考虑到简易和精确，试除法一直被人们广泛使用着，尽管它的算法时间复杂度达到Ο（n）。虽然2002年Agrawal、Kayal和Saxena提出了多项式时间算法复杂度的AKS素性检测算法（时间算法复杂度为Ο（logn）12 2），但是AKS算法一直没有被广泛使用，其关键原因是只有当n达到百万数量级，AKS算法才会优于试除法，并且对比概率性素性检测算Miller-Rabin（时间算法复杂度为Ο（2（logn）/2）），AKS显得太慢了。即使后人对AKS算法进行了很多改进，但是始终没能够达到满意的效果，在实际应用中人们仍旧普遍采用试除法和概率性素性检测算法进行素性判定。考虑到云计算的海量数据处理能力，本文拟采用基于云计算的分布式并行计算方法进行素性检测，以缩短素性检测时间，提高素性检测效率。让崭露头角的云计算为素性的检测奉献一份力量，让新时代的产物为盘根错节的古老问题带来柳暗花明。现将本文的主要成果罗列如下： 1)实现了传统素性检测算法中部分环节的分布式计算。分布式计算要求的是输入流中各个元素之间的计算互不影响，并且计算和输入输出次序可以任意安排。在素性检测的很多算法里都会涉及到迭代的思想，而迭代算法是不满足进行分布式计算的前提条件的。但通过分析研究发现试除素性检测法和AKS素性检测法中的部分循环满足分布式计算的条件，因此可以通过选择准确的输入文件、设计适当的Map和Reduce算法、合理配置Hadoop来部分实现这两种确定性算法的分布式计算。对于素性检测的其他算法，本文列出了时下流行的Miller-Rabin和Lucas-Lehmer素性检测算法，考虑到其中的循环涉及迭代，不方便对算法中的循环进行Map和Reduce处理，但云计算同样可以提高这些算法的效率。 2)提出了给定范围内素数搜索的新方法。当需要寻找素数时，我们一般都是在某个范围内进行随机查找，本文给出的改进方案是把给定范围内需要查找的所有数据根据slave（任务节点）的数量分割成许多小块，让每个slave获得一小部分数据，然后用Miller-Rabin或者Lucas-Lehmer书写Map函数，再分配给每一个slave，每个slave并行地完成自己分配到的任务，最后进行Reduce处理。 3)解决了VC环境下大数处理的问题。在素性判定中，所用到的数一般都会超过20位（十进制），用普通的数据类型已经远远不能满足实验的要求。本文通过采用GMP软件包来进行数据类型扩展，解决了大数据的输入和输出问题。

关键词：云计算素性检测映射-归约时间复杂度分布式计算

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：