基于映射-归约模型的SVM可扩展硬件实现架构

为了提高支持向量机(SVM)在嵌入环境中的适用性,提出了一种用于SVM训练和分类的可扩展硬件架构,并基于FPGA平台测试了其性能。基于映射-归约(MapReduce)模型分析提取出SVM算法中的并行性,并进一步映射至多个并行处理单元。实验表明,该架构可基于定点运算单元有效地完成SVM训练和分类,并具有良好的可扩展性。

基于映射-归约分布式架构的城市轨道交通信号系统检测平台

城市轨道交通信号系统的检测工作多由设备厂商自行实施并进行评价,部分测试过程相对封闭,如何从第三方角度对信号系统进行检测并得到一个可信的结论,成为急需解决的问题。采用分布式文件系统,并结合映射-归约架构,可很好地解决信号系统的检测问题。基于映射-归约分布式架构的信号系统检测通过并行运算、负载均衡、就近冗余储存等技术,可提升运算资源效率,平台所采用的容错机制也可提升系统鲁棒性。该平台的优势还在于其结论具有可信度,并由此提出了采用映射-归约分布式架构的实施方法。

利用映射-归约的分布式区域对象可视查询方法

区域对象的可视查询是沿着区域视线方向剔除三维空间数据中一些表面被遮挡住而导致不可见的数据,从而提高大规模三维场景的可视渲染效率。针对传统区域可视查询视点空间划分粒度细、计算难度大的现状,提出了一种基于映射-归约的分布式可视查询方法。在映射函数中,按照三维对象的空间分布规律构建层级轴对齐包围盒,以轴对齐包围盒为视点空间划分区,将可视域范围内三维对象发送至规约函数中进行可视判断。在规约函数中,利用平面拆分后射线求交方法,通过构建二叉空间分割树计算每一视点空间划分区的潜在可视集,从而实现三维空间对象的分布式可视查询。将此方法用于深圳市20多万个三维空间对象的可视查询实验中,从数据量、划分粒度和并行度等角度验证了算法的可行性和有效性。