城市三维模型海量数据动态组织调度方法

城市三维模型的海量特性和当前计算机硬件瓶颈给模型的实时渲染提出了较大的挑战.改进三维地理信息系统(GIS)中数据的组织与管理方式是提高三维场景可视化效率的有效途径,本文提出基于四叉树空间索引对数据进行组织,基于视点的层次模型技术(LOD)对数据进行动态调度,同时提出一种将纹理作为渲染单元重构网格数据的方法,对粗糙模型的渲染进行批处理,有效降低了耗时的渲染次数.实验证明,该方法是高效可行的,渲染帧率稳定在30帧左右,能够满足海量城市三维模型的可视化和实时交互需求.     

基于多GPU的千万级高维空间实时检索

海量高维数据的近邻检索一直是多媒体信息领域的重要研究课题。本文提出一种基于多GPU的并行高维空间距离检索排序算法,通过并行优化空间距离计算及排序过程,并充分利用GPU硬件特性和众多的流处理器单元,算法能实现百万级的高维数据的实时检索。在此基础上,研究并利用多GPU架构,提升并行效率,拓展实时数据查询的数据规模。实验结果表明,本文算法可达到千万级别高维数据的实时精确检索,极大地拓展了高维检索的应用范围。     

三维城市仿真模型动态调度研究

本文利用多核 CPU、可编程 GPU 等现代硬件环境,实现了海量三维数据的动态漫游,实现了海量三维仿真模型数据组织和动态调度的新途径,解决了海量三维数据组织、三维模型快速加载的瓶颈问题,将有力地推进三维仿真平台的建设,加快技术升级     

引入相似性度量的GPU实时图形跟踪渲染技术

提出一种基于目标分布场相似性度量的实时图形跟踪渲染算法。使用Open Flight的建模环境提供GPU实时图形渲染三维图形观察器,得到一个有二维层次的结构图,进行目标分布场设计,结合静态视点图像的运动方程,通过对图像自然分层,保留原始图像的基本信息,为了在跟踪中使分布场能适应各种复杂场景,需要对原始的分布场进行高斯平滑,通过目标分布场相似性度量,实现GPU实时图形跟踪渲染。仿真结果表明,采用该算法进行实时图形渲染,可以提高渲染跟踪效率,搜索时间短,误差率较低,提高了图形的渲染真实感。     

基于后缀数组实现Web上生物学数据库的搜索

介绍一种生物信息数据库的搜索算法———QUASAR。该算法采用索引的后缀数组的数据结构,运用移动查询窗口和块寻址的技术,通过查找潜在的近似匹配,能够在搜索序列数据库的过程中快速找到具有强相似性的序列。     

基于深度学习的物体实时检测模块设计与在安卓系统上的实现

由于深度学习需要海量的数据和计算资源,对于移动设备有限的储存和计算能力来说,存在一定的技术局限性。然而利用服务端的海量数据和计算资源将模型训练完成,将训练好的模型部署到移动端,只利用移动端的计算能力是可行的。本文设计了一种基于深度学习的物体实时检测模块,并且成功将训练模型部署在移动设备的安卓系统上。该方法可以实现深度学习网络在移动设备上的快速部署。     

一种基于GPU的快速Kirsch边缘检测算法

传统的Kirsch边缘检测算法的优化和实现都是针对常用处理器提出的。根据Kirsch算法的可并行计算的特点,本文提出了一种基于图形处理器GPU的快速Kirsch算法。快速算法根据GPU的并行结构和硬件特点,采用了纹理存储技术、多点访问技术和对称计算技术三种加速技术,优化了数据存储结构,提高了数据访问效率,降低了算法复杂度。实验表明,采用基于GPU的算法可将对图像的处理速度提高到传统Kirsch边缘检测算法的10倍以上。     

基于Kalman滤波的Web数据流抗干扰挖掘算法

提出一种基于变维Kalman滤波的Web海量数据流抗干扰挖掘算法。构建Web环境下的海量数据挖掘数据流信息模型和噪声干扰模型,结合现代信号处理方法,设计变维Kalman滤波算法进行海量数据流信号滤波预处理,把Web海量数据流映射为一组非线性宽带调频信号模型,采用信号检测算法实现Web海量数据的抗干扰挖掘。仿真结果表明,采用该算法进行Web海量数据信息的抗干扰挖掘,具有较高的数据检测精度和准确挖掘性能,具有较高的抗干扰性和鲁棒性。     

海量DEM数据的实时漫游方法研究

在地形绘制时,依据地形与视点的不同距离对地形进行动态调整重采样,并将采样的结果与三角带绘制之间的对应关系保存成模式文件,在预处理时将文件读入内存,实现对地形的实时绘制和显示。     

二阶累积三维模型轮廓块间混淆分离方法

在三维模型视景仿真建模中,常因视觉切换和光线强度衰减,产生轮廓块间混淆,需要进行混淆分离算法设计。提出一种基于二阶累积泰勒展开的三维模型轮廓块间混淆分离方法,进行高精度多轮廓三维立体模型视景建模,对于遍历后的建模点进行模型重构,实现三维多轮廓立体模型建模。构建多轮廓三维模型视景建模视点切换运动方程,得到边缘轮廓特征检测结果。提取轮廓块间的混淆像素值二阶累积量特征,采用二阶累积量泰勒展开算法,对三维图像模型的轮廓边缘块间混淆进行分离的改进。仿真结果表明,采用该算法,混淆分离效果较好,三维图像模型的视景仿真效果真实度较高,轮廓信息保真度好,展示了算法的优越性能。     

高维数据下基于云平台的随机森林算法的研究与实现

随机森林算法在数据挖掘领域中得到了广泛的应用,该算法通过构建多个不同的决策树可以获得更高的分类结果。但是,随着数据规模的增大,人们开始接触到各大规模的数据以及更高维度的数据属性。传统的随机森林构建算法不能有效、快速地处理海量高维数据,严重影响了数据的分类效率,从而影响预测效率。本文针对高维、海量数据下随机森林构建算法,改进并提高了该算法的效率,提出了基于云计算平台的随机森林构建算法。该算法可以快速的完成数据分类预测,并通过实验结果进一步展示了该算法的效率以及可扩展性。     

基于Hadoop和HBase的Nutch网页排序算法研究

针对Nutch网页排序算法和中文分词的不足以及单机运行的效率问题,在Nutch综合网页排序中添加用户点击率、网页发布时间以及主题内容相关度3个影响因子,同时添加JE中文分词器,最后利用基于HDFS的HBase技术使Nutch能够实时高效地索引和检索海量数据。通过对实验结果数据的分析发现,Nutch的爬取和索引效率提高了7.93%,用户检索效率与查询准确度分别提高了11.11%与19.51%。     

引入多源数据相位谱补偿的数据库索引算法

对层次网络数据库的敏感信息快速索引是提高数据库访问技术的基础,传统方法采用矢量模型特征聚类算法进行数据库敏感信息特征提取和索引,当数据库中的信息呈现多源化状态时,数据库索引精度不高。提出一种基于多源数据相位谱补偿的数据库索引算法。构建多源数据库模型,进行数据库访问信道分配设计,分析多源数据的相位谱特征,进行相位谱补偿实现数据库索引算法优化,仿真结果表明,采用该算法对含有多源信息特征的数据库进行信息检索和访问,信息匹配准确度较高,特征提取准确,提高数据库访问性能。     

内存数据库故障恢复策略研究

内存数据库存在于易失性内存中,数据较易丢失,故障恢复部件至关重要。考虑系统环境限制,设计了一种利用日志与影子页面技术相结合的系统恢复模型,讨论了日志协议、模糊检查点策略、重装算法、恢复技术等模块的实现方法。该方法无需额外硬件的支持,日志记录数量少,检查点与事务处理并发执行,重装和恢复过程快速,极大地提高了内存数据库的恢复效率。     

GPU通用计算研究

由于图形硬件的快速发展,GPU的通用计算已经成为了一个新的研究领域。分析了GPU编程模型,介绍了使用图形硬件进行通用计算的方法,并把一些常用的算法映射到了GPU上。通过这些算法与CPU上对应的算法进行比较,分析了使用GPU进行通用计算的优势和劣势。     

大数据时代的数字图书馆异构数据集成研究

在大数据时代,数字图书馆的数据处理及服务将会发生明显的变化,将从传统的信息查询、推送等服务转向在海量的数据中分析和挖掘出潜在有价值的信息,而关系型数据库的结构和机制不能很好地适应这种变化。针对数字图书馆在大数据背景下异构数据的集成问题,提出了基于NoSQL的中间件模型的数据集成方法。该方法有利于数字图书馆存储各种结构的数据,同时能够很好地适应海量数据分布式存储。     

实时视频监控系统中一种快速运动目标检测算法

介绍了一种快速运动目标检测算法。该算法针对当前运动检测算法的不足,以背景消减和时域差分为基础,快速完成视频帧的背景提取、背景更新、运动目标检测,很好的满足了系统对时间的限制。结果表明,该方法是比较实用的,能满足实时视频监控系统的要求。     

基于运动场预测的三角形搜索算法

提出一种新的运动估计快速块匹配算法,基于运动场预测的三角形块运动估计搜索算法（PMVTEXBS）.该算法利用序列图像运动矢量场所具有的中心偏置性和空间相关性,结合“足够好就停止搜索”的思想和六边形搜索模式的高速特性,能快速找到匹配点。并且在块失真度量中使用改进的部分失真准则,进一步降低了算法复杂度。实验结果表明,和菱形算法DS、预测运动场自适应搜索算法（PMVAFST）相比,该算法的计算复杂度和搜索点数都有了明显下降;同时,它的图像质量要优于DS算法,和PMVAFST算法相比只有较小的下降。     

基于运动信息自适应的运动估计算法

结合分析UMHexagon S和经典运动估计算法,本文提出了一种基于运动信息自适应的运动估计算法。该算法利用宏块的时空相关性实现对静止块的判定,并对其直接停止搜索;依据块的运动类型来自适应选择起始点和模板,对于中、小运动块跳过大模板粗搜索直接进入小模板细搜索。实验结果表明,基于运动信息自适应的运动估计算法的搜索精度接近于UMHexagon S,但是搜索速率优于H.264标准中已有的快速运动估计算法。     

线性滤波运动舰船图像静态视点平滑过渡仿真

静态视点图像由于起点坐标和视线方向出现视觉偏移,在三维视景仿真中图像平滑过渡效果不好。传统方法中采用基于光线Ray光线程基元算法,光亮度产生像素色差干扰,视景仿真效果欠佳,提出一种基于归一化线性滤波的改进的Ray光线程基元算法,通过图像的每个像素沿着固定的方向虚拟构建一条发射光线,获取Ray光线程基元,采用归一化线性滤波处理,优化光线强度的衰减,修正起点坐标和视线方向出现的视觉偏移,实现静态视点的平滑过渡,仿真实验得到位置静态视点、角度静态视点和相对距离静态视点模型下的大型运动舰船视景仿真结果,仿真表明,采用该算法对静态视点的复杂图像进行三维视景仿真,能在操作进程和虚拟数据资源配置中实现并行处理,静态视点的纹理的寻址和遍历均匀,实现了平滑过渡,有较高的配准率,视景仿真效果真实可靠。