沿次对角线带宽为m的稀疏矩阵压缩存储的通用寻址公式

本文属于数据结构的课题,它将文献[2]与[3]中给出的沿主对角线具有m条非零元素的稀疏矩阵压缩 存储寻址公式推广到沿次对角线分布的类似矩阵上,得到了新的寻址公式,并用例子验证了公式的正确性。

GPU加速的近实时图像彩色化

灰度图像彩色化技术需要人工交互来完成彩色化优化过程,针对现有的方法只注重彩色化的效果而忽略算法的执行效率,严重影响了用户的交互体验的问题,充分利用GPU的高性能并行优势,提出基于GPU加速的近实时图像彩色化方法.在预处理阶段,运用基于图像块纹理特征的Patch Match算法在全局图像空间高效地查找每个像素的K最近邻,并提出基于压缩表示的对称稀疏矩阵并行构造算法来保证着色线条的颜色在图像近邻像素之间的对等传播;在用户交互阶段,根据用户输入构建能量函数,并运用并行共轭梯度法计算出彩色图像的颜色.实验结果表明,该方法不但能生成高质量的图像彩色化效果,而且图像彩色化过程具有近实时性的处理性能.

一种快速有效的大数据区域网平差方法

针对摄影测量影像来源多样化、复杂化、大数据化等趋势,传统区域网平差算法在应对当前复杂多变的数据来源,矩阵排列毫无规律的法方程结构以及大数据量带来的高内存需求和低计算效率等问题上,遇到了前所未有的挑战,为了解决上述难题,本文引入了预条件共轭梯度法以及不精确牛顿解法求解区域网平差过程中的法方程,同时使用一种块状法方程系数矩阵压缩存储格式,构建了全新的区域网平差技术流程。本文方法避免了直接对法方程系数矩阵的求逆,压缩了法方程系数矩阵所需的内存空间,使得本文算法比传统算法所需计算机内存空间大幅减少,平差计算速度明显提升,同时保证了计算精度与传统方法相当。初步试验证明,本文方法对4500张影像、近900万像点数据的平差计算在普通电脑上仅需要约15min,且计算精度达到子像素级。

基于双向位图的CSR大规模图存储优化

大数据时代,Graph500是评测超级计算机处理数据密集型应用能力的重要工具,E级验证系统的图遍历处理能力主要受限于内存空间和访存带宽,尤其是内存空间利用率直接决定了图的测试规模和测试性能.针对天河E级验证系统小内存特征,提出了基于双向位图的大规模图数据压缩存储方法(bidirectional-bitmap based CSR,Bi-CSR),Bi-CSR在CSR矩阵压缩的基础上引入行方向位图和列方向位图协同完成稀疏矩阵压缩存储,行方向位图主要负责行方向位图的压缩存储与索引,列方向位图除了进一步压缩图存储空间,还负责为顶点遍历向量并行优化提供加速空间.Bi-CSR大幅度减少了稀疏矩阵存储空间.面向天河E级验证系统,当图输入规模为237时,Graph500的图存储空间节约效率接近70%,全系统稳定测试性能为2.131E+12TEPS,性能最大加速比超过100倍.