一种面向并行查询的森林资源小班数据划分粒度研究

为在并行环境下高效地利用并行计算资源,促进静态负载均衡,从而总体上提高森林资源小班数据在并行环境下查询的响应效率,通过分析数据划分粒度与查询效率的关系,建立了数据划分粒度与查询效率的关系模型。采用辽宁省森林资源小班数据,实验验证了该模型,并取得森林资源小班数据的最佳划分粒度。实验表明,在最佳划分粒度进行并行查询时,查询效率明显优于其它划分粒度。

多核CPU下的K-means遥感影像分类并行方法

针对海量遥感影像快速分类的应用需求,提出一种基于K-means算法的遥感影像并行分类方法。该方法结合CPU下进程级与线程级模式的并行特征,设计融合进程级与线程级并行的两阶段数据粒度划分方法和任务调度方法,在保证精度的基础上实现并行加速。利用大数据量的多尺度遥感影像进行实验,结果表明:所提并行方法可大大减少遥感影像的分类时间,取得了良好的加速比(13.83),并可达到负载均衡,从而解决了大区域遥感影像快速分类的问题。