多分辨率并行等值面绘制

多分辨率并行等值面绘制技术的研究与开发成为提高数据处理规模和效率的一个重要途径。本文提出基于C／S工作模式的并行等值面绘制的解决方案，即在高性能并行机上实现等值面并行提取，在远程图形工作站上实现等值面的显示。该解决方案采用并行处理、网格简化和制定显示调度策略等关键技术，实现分布式环境下远程可视化及动态多分辨率显示。并行处理加快等值面的提取，获得良好的加速性能；利用层次细节模型（LOD）技术对等值面表面进行简化，制定显示调度策略实现模型的局部选择显示和动态多分辨率显示，提高系统的交互性能。     

基于GPU的可视化测量仪器软件设计

提出利用显卡图形处理单元(Graphics Processing Units, GPU)的并行信息处理能力解决仪器软件在执行海量数据处理、建模、渲染以及交互所面临的开销过大的难题,基于DirectX 11的计算着色器(Compute Shader,CS)实现海量测量数据的处理和建模以及高速推送渲染,建立在GPU内实现海量数据模型上点的拾取模块,以提高仪器可视化测量中的交互执行。实验比对证实了基于GPU的可视化测量仪器软件的高执行效率。研究为挖掘可视化测量仪器硬件能力、合理配置仪器CPU与GPU开销、在整体上提高仪器运行效率提供了一条有价值的技术路径。     

小型局域网下高校计算机实验室监控系统设计

近年来,全球互联网技术飞速发展,网络技术广泛应用于各个领域。随着网络技术的快速发展,我国各大高校开设计算机实验室,在高校范围内搭建的小型局域网中引入监控系统,辅助高校实验室的日常使用管理工作。传统的监控系统在小型局域网中存在数据资源交互消耗大、数据传输延迟高、视频数据储存空间利用率低等问题,给计算机实验室的日常管理带来不便。针对上述问题,提出小型局域网下高校计算机实验室监控系统设计。对数据交互过程中资源消耗大的问题,采用双协议传输单元进行资源交互算法的改进;对传统监控系统存在的数据传输延迟问题,采用数据阵列重组模组进行数据内部优化处理;采用ViodTM视频压缩单元,对监控视频进行算法核心压缩处理,从问题产生根源进行解决。通过实验证明,提出的小型局域网下高校计算机实验室监控系统设计,具有资源占用小、传输速度快、视频存储率高等特点。     

双重并行环境下最短路径的研究

并行问题和最短路径问题已成为一个热点研究课题,传统的最短路径算法已不能满足数据爆炸式增长的处理需求,尤其当网络规模很大时,所需的计算时间和存储空间也大大的增加;MapReduce模型的出现,带来了一种新的解决方法来解决最短路径;GPU具有强大的并行计算能力和存储带宽,与CPU相比具有明显的优势;通过研究MapReduce模型和GPU执行过程的分析,指出单独基于MapReduce模型的最短路径并行方法存在的问题,降低了系统的性能;论文的创新点是结合MapReduce和GPU形成双并行模型,并行预处理数据,针对最短路径中的数据传输和同步开销,增加数据动态处理器;最后实验从并行算法的性能评价指标平均加速比进行比较,结果表明,双重并行环境下的最短路径的计算,提高了加速比。     

ABC_Kmeans聚类算法的MapReduce并行化研究

随着数据的海量增长,数据聚类算法的研究面临着海量数据挖掘和处理的挑战。针对K-means聚类算法对初始聚类中心的依赖性太强、全局搜索能力也差等缺点,将一种改进的人工蜂群算法与K-means算法相结合,提出了ABC_Kmeans聚类算法,以提高聚类的性能。为了提高聚类算法处理海量数据的能力,采用MapReduce模型对ABC_Kmeans进行并行化处理,分别设计了Map、Combine和Reduce函数。通过在多个海量数据集上进行实验,表明ABC_Kmeans算法的并行化设计具有良好的加速比和扩展性,适用于当今海量数据的挖掘和处理。     

并行MapReduce PLS算法及其在光谱分析中的应用

偏最小二乘(PLS)算法是常用的光谱建模算法,然而对于海量光谱处理情形,在单台计算机上建模及优化时间开销很大。基于MapReduce编程模式,提出了并行MapReduce PLS回归算法,包括并行数据标准化和并行主成分提取两个过程。在多台普通计算机上搭建Hadoop云计算集群平台,以近红外光谱处理为例,开展了算法验证实验。实验结果表明,基于MapReduce编程模式的并行PLS算法对海量近红外光谱数据集进行回归建模时,能有效提高建模速度,随计算机台数的增多可得到接近线性的加速比,并具有良好的扩展性。     

共享存储并行程序设计中的若干性能问题

目前，OpenMP是共享存储并行计算机上的标准共享存储并行程序设计接口。它简单易用，故而被广泛使用于中小规模的并行程序设计中。但用户通常会发现，随着CPU个数的增加和运行规模的增大，并行程序的执行效率会越来越低。所以针对共享存储并行程序设计，讨论了引起这种低可扩展现象的若干性能因素及其解决方法。     

车削轴类零件的轮廓轨迹提取与真实感显示

图形数据信息的可视化一直是计算机图形学与可视化领域研究的重点内容,图形数据的挖掘、提取与显示功能都需要借助计算机图形学的知识来完成。本研究重点探讨了计算机图形真实感处理技术在计算机辅助数控车削自动编程加工系统中的应用,通过运用计算机图形处理技术编程提取DXF轴类零件的轮廓轨迹曲线,并采用曲面构造算法进行数据处理,生成零件真实感所需的三维数据模型,结合OpenGL内容对三维数据模型进行实体渲染,交互实现了数据模型的光照、材质、雾化等功能,通过旋转、透视变换,零件设计者可真实地观测到零件内部结构,从整体上对所设计的零件结构有一个直观的认识。实验结果表明所开发的图形真实感程序系统能够高效的实现车削轴类件的渲染效果,具有较高的轮廓数据提取效率和真实感渲染能力。     

一种可交互的体绘制光学传递函数模型

针对三维数据场可视化过程中兴趣区的交瓦分离问题.给出了基于体绘制光学传递函数的半自动调节方法.该方法从传递函数的光学模型出发,根据三维数据的光强分布,结合体数据的三维梯度场.给出了体数据的颜色及透明度值分离交互凋常的模犁.为了提高本方法的实用性,本文采用了交互模型与现代显卡纹理特性相结合的方法来提高交互速度.实验证明,通过实时调节改进传递函数的相关参量.该模型能以大于每秒30帧的交互速度获得必趣区的最佳视觉分离效果.本方法能在交互体视化的同时实现最佳参量的获取.     

基于MapReduce的K-means聚类算法的优化

针对传统的聚类算法K-means对初始中心点的选择非常依赖,容易产生局部最优而非全局最优的聚类结果,同时难以满足人们对海量数据进行处理的需求等缺陷,提出了一种基于MapReduce的改进K-means聚类算法。该算法结合系统抽样方法得到具有代表性的样本集来代替海量数据集;采用密度法和最大最小距离法得到优化的初始聚类中心点;再利用Canopy算法得到粗略的聚类以降低运算的规模;最后用顺序组合MapReduce编程模型的思想实现了算法的并行化扩展,使之能够充分利用集群的计算和存储能力,从而适应海量数据的应用场景。文中对该改进算法和传统聚类算法进行了比较,比较结果证明其性能优于后者。这表明该改进算法降低了对初始聚类中心的依赖,提高了聚类的准确性,减少了聚类的迭代次数,降低了聚类的时间,而且在处理海量数据时表现出较大的性能优势。     

基于Web GIS优化技术的评估研究

地理信息系统需要大容量数据的支撑,而大规模的地理空间数据给地理信息系统的处理带来了巨大挑战。为了提高网络地理信息系统的处理性能,必然要运用各种优化技术加快对数据的处理和迁移。本文对主要的地理信息系统优化技术进行了分析,并建立实验系统选用数据容量不同的两组数据分别测试了数据简化、数据压缩、相对坐标等优化技术对系统总体性能造成的影响。实验结果表明不同的数据容量下,不同的优化技术对系统性能的提高起到了不同的作用,并且要根据应用需求确定数据的优化精度。     

计算机辅助声光调制实验的改进

针对声光调制实验,用MATLAB编写了可视化程序,建立了计算机与数字存储示波器之间的数据传输通道,实现了基于计算机辅助声光调制实验的数据自动采集和处理.提高了声光调制实验的自动化程度,使实验变得更加方便快捷.     

对光栅单色仪信号采集和处理的改进

介绍了单色仪输出信号处理的设计方案．利用图像传感器CCD和计算机代替光电倍增管和X-Y记录仪，初步实现了硬件不够理想带来的光谱畸变的软件修正，并提高了数据的处理速度．     

Hadoop云平台下的基于用户协同过滤算法研究

随着互联网的高速发展,海量新闻的个性化推荐成为一个重要课题,针对海量新闻的个性化推荐算法进行研究,以MapReduce的并行方法设计了基于Hadoop云平台下的协同过滤算法,利用MapReduce的并行方法,将传统的协同过滤算法并行化,并详细说明了并行化步骤和实现细节。最后用实验结果验证了改进的并行化的协同过滤算法在运行速度和执行效率方面有明显的提高,更适合处理大数据。     

基于跟踪一统计的并行I／O带宽测试方法及实现

并行I／O已经在当前的高性能计算领域得到广泛应用，并行I/O是一个综合了远程文件管理、高速通信和并发控制的层次化系统，由于高度复杂，它的评测也具有一定的难度。一个详细的并行I／O带宽评测工作不仅要求衡量并行I／O系统的性能与性质，还要求能够给设计师和用户以I／O参数上的提示，从而提高I／O效率。     

托卡马克等离子体内部输运垒触发机制的数值模拟和并行效率

对托卡马克等离子体内部输运垒触发机制的动力学特征进行了数值模拟,通过区域分解法实现了数值模拟程序并行化,并行效率随计算机规模的增加而提高,结果与理论分析相吻合.并行模拟程序也适合MHD非线性撕裂模的数值求解.     

改进后的光拍法测量光速研究

本实验通过对传统的光拍法进行改进,利用改进后与改进前两种方法分别测量光速,同时利用Excel编程对实验数据进行处理,为实验者提供了快速、准确的计算机数据处理方法,以提高实验效率.最终证明了改进后的光拍法误差较小且具有可行性.     

基于深度递归级联卷积神经网络的并行磁共振成像方法

快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.     

二维多群辐射输运程序LARED-R-1的并行化

利用有向图描述数据依赖关系,应用已有的并行流水线通量扫描算法,实现基于非协调网格的二维辐射输运程序LARED-R-1的并行化.同时,采用消息缓冲技术提高并行程序的性能.经测试,对于典型的问题规模(100群、3800个网格单元、40个方向),在某并行机的64个和128个处理器上,并行程序分别获得80%和53%的并行效率.     

借助Python提高迈克尔逊干涉仪测光波波长实验数据的处理精度与图像可视化

在现代“大学物理实验”课程中，如何正确处理实验数据是非常重要的一个步骤，利用软件处理相对复杂的实验数据往往可以使得结果更加精确。Python作为一种应用广泛的计算机编程语言，在物理实验中的应用却相对少见。以迈克尔逊干涉仪实验为例，详细论述了如何利用Python语言实现数据处理，并且和传统方法处理数据得到的结果进行对比，结果表明利用Python语言处理得到的结果的相对误差为2.72%,小于逐差法计算得到的3.67%。此外，通过Python仿真实现了干涉圆环的可视化图像，有助于加深对实验本质的理解。因此，借助Python语言处理大学物理实验数据值得进一步地研究与推广。