异构环境下的空间分析并行映射策略

针对传统的地图代数局部算子实现方法用于海量栅格数据计算时效率低下的问题,从串行算法的并行化映射、计算机图形处理器资源的自适应参数调整等角度分析地图代数空间并行算法的实现机制,采用数据分割策略对空间分析算子的计算速度进行分析,将空间分析算子分割成若干子任务,并映射到图形处理器(GPU)中进行运算,通过运算与数据传输的重叠隐藏数据传输时间,借助异构环境计算能力的强大而加速算子的运算.理论分析与实验结果表明,该策略能够明显提高空间分析算子的运算速度.

CUDA加速的地图代数并行算法

针对传统地图代数实现方法应用于海量栅格数据计算时效率低下的问题,在一种全新的GPU并行编程模型CUDA上,利用地图代数算子体现出来的基于栅格点集、处理流程相对固定、数据处理具有内在的并行性等特点,将传统的串行算法映射到GPU并行处理架构上,旨在从串行算法的并行化映射、计算机图形处理器资源的自适应参数调整等多角度来研究地图代数空间并行算法的实现机制,为空间分析算法的优化研究提供一种新的解决思路。

利用CUDA的地图代数局部算子优化

本文针对地图代数局部算子的传统实现方法应用于海量栅格数据计算时效率低下的问题,从串行算法的并行化映射、计算机图形处理器资源的自适应参数调整等多角度来研究地图代数空间并行算法的实现机制,总结出地图代数局部算子在GPU并行处理架构上的通用求解步骤。实验结果表明,该方法在大数据量处理时较CPU加速效果明显。