基于MPI的二维经验模分解并行算法

针对二维经验模分解(BEMD)处理大尺寸图像耗时较长的问题,提出了一种基于MPI技术的BEMD并行算法.对BEMD串行程序中极值点选取、平面三角剖分、三角域内数值插值等几个主要部分的运行时间进行了统计,结果表明三角域内数值插值是耗时的主要部分,也是并行化的重点处理部分;随后在高性能计算平台上构建并行环境,基于MPI技术对BEMD算法的包络面生成部分实现了并行化,具体方法是先将剖分后的三角形序列按照进程数均匀划分,使整个图像分割为若干子区域并分配给相应进程,然后各进程拟合出对应子区域的上下Bezier曲面并由0进程进行合并,进而生成上下包络面;最后通过加速比等指标对该算法进行测评.结果表明,算法在30核并行执行时加速比可达20.1396,利用率为64.97%,运行效率的提升较为明显.在数据量达到原始数据的25倍时可扩展性指标为1.3975,表明该算法对大数据量的任务有很好的适应性.      

机载设备振动环境实测数据处理并行算法

为了提高机载设备振动环境实测数据处理效率,提出了一种并行化数据处理和振动环境谱编制方法。在SMP(symmetrical multi-processing)集群系统的多级体系结构下,以Welch(改进周期图法)算法为基础,进行了振动数据处理模型的并行化分析,对于并行化过程中存在的并行I/O、负载平衡等关键问题进行了讨论,提出了相应的解决方案。最终选择基于MPI/Open MP混合方式实现了算法。在搭建的集群环境下测试表明,12核参与运算的条件下,最高加速比可以达到7.4,有效提高了运算效率。     

PREM:并行求解非线性演化方程行波解的软件包（英文）

本文提出了一种新的构造非线性演化方程行波解的并行算法.我们在Maple 18上实现了该算法.通过设计并行算法并使用负载均衡技术,其中的软件PREM的计算效率明显高于已有的串行软件.且基于因式分解算法和运行时间限制,PREM可以自动推导出一些串行程序算不动的复杂方程的部分精确解.相比于已有的其他程序,PREM可自动推导出更多类型的精确行波解.此外,PREM具有灵活的接口和输出.     

PDMiner:基于云计算的并行分布式数据挖掘工具平台

随着信息技术和互联网的发展,各种信息呈现爆炸性增长,且包含丰富的知识.从海量数据信息中挖掘得到有用的知识仍然是一个挑战性的课题.近几十年来,数据挖掘技术,作为从海量数据信息中挖掘有用信息的关键技术已经引起了广泛的兴趣和研究.但是由于数据规模的增长,以往的很多研究工作并不能有效地处理大规模数据,因此,开发设计或者扩展已有算法使之能处理大规模数据集,已经成为数据挖掘中非常重要的研究课题.近年来,基于云计算的数据挖掘技术研究已经成为一个热点话题,本文中我们研究开发一个基于大规模数据处理平台Hadoop的并行分布式数据挖掘工具平台PDMiner.在PDMiner中,开发实现了各种并行数据挖掘算法,比如数据预处理、关联规则分析以及分类、聚类等算法.实验结果表明,并行分布式数据挖掘工具平台PDMiner中实现的并行算法:1)能够处理大规模数据集,达到TB级别;2)具有很好的加速比性能;3)大大整合利用已有的计算资源,因为这些算法可以在由这些商用机器构建的并行平台上稳定运行,提高了计算资源的利用效率;4)可以有效地应用到实际海量数据挖掘中.此外,在PDMiner中还开发了工作流子系统,提供友好统一的接口界面方便用户定义数据挖掘任务.更重要的是,我们开放了灵活的接口方便用户开发集成新的并行数据挖掘算法.     

基于巴特沃思滤波基准提取的专利技术研究

高斯滤波器因其构造、设计简单,且滤波特性具有零相移特性,目前已经是ISO 11562和ASME B46.1规定的基准提取方法,但由于其支撑域范围过大,一定程度影响到其在三维基准提取中效率[1]。为此,结合相关专利与文献,引入巴特沃思函数构建基于并行算法的高斯滤波算法,以提高其在实际工程应用中的效率。并将其运用到三维实例中,从中可以发现基于并行的算法所耗时间低于其他算法。     

一种基于并行模拟退火的FPGA布局算法

随着现场可编程门阵列FPGA容量的迅速增大,用户的设计编译时间也越来越长,其中以布局环节最为耗时.提出了一种基于并行模拟退火的FPGA布局算法DPSA,使用动态的交换次数更新策略.计算结果表明,在4核的实验条件下,DPSA算法比以VPR为代表的串行算法在布局速度上平均提高了2.9倍,布局质量提高了4％,并且加速性能随着CPU核心的增加具有良好的扩展性.另外,由于各线程间采用同步通信的方式,DPSA算法具有确定性的布局结果.     

基于GPU加速的全源对最短路径并行算法

针对最短路径算法处理大规模数据集低效的问题，提出了基于图形处理器（Graphics Processing Unit,GPU）加速的全源对最短路径并行算法.首先通过优化矩阵乘法算法实现了在工作组内和组间进行并行运算数据，然后减少了非规则行造成的工作项分支，最后降低了工作项对邻接矩阵计算条带存储资源的访问延时.实验结果表明，与基于AMD Ryzen5 1600X CPU的串行算法、基于开放多处理（Open Multi-Processing, OpenMP）并行算法和基于统一计算设备架构（Compute Unified Device Architecture, CUDA）并行算法相比，最短路径并行算法在开放式计算语言（Open Computing Language, OpenCL）架构下NVIDIA GeForce GTX 1 070计算平台上分别获得了196.35、36.76和2.25倍的加速比，验证了提出的并行优化方法的有效性和性能可移植性.     

改进的神经网络并行算法及其在地震初至拾取中的应用

针对经典BP神经网络易于陷入局部极小点、易于产生振荡等缺点,提出了神经网络初始权值的二分法,改进了一种网络结构自动确定算法,并将随机算子和遗忘因子引入BP神经网络中.在提高全局寻优能力的同时,加快了网络的收敛速度.在分析了神经网络内在并行性的基础上,基于MPI实现了改进算法的并行化,将算法应用于地震资料的初至拾取,并取得了良好的应用效果,验证了算法的有效性.     

金字塔凸壳算法的并行化处理

提出了在金字塔凸壳算法基础上的并行算法.在由多个PC机相互连接所构成的机群并行计算系统之上,采用消息传递方式执行该算法,经过与原串行金字塔算法进行对比,验证本并行处理算法的正确性、可行性和高效性.     

基于MapReduce的Apriori算法并行化

Apriori是挖掘关联规则最经典的算法之一,针对该算法存在的瓶颈问题研究了基于MapReduce编程框架的简单Apriori并行算法;并在简单Apriori并行算法的基础上提出一种采用固定多阶段结合挖掘策略的改进算法——多阶段并行算法。实验结果表明,改进算法能缩短挖掘时间,提高执行的效率。