基于GPU的子图匹配优化技术

为了解决图挖掘应用中子图匹配任务的性能问题,本文提出了一种基于图形处理单元(GPU)的顶点预剪枝子图匹配系统(GVSM)。GVSM采用黑名单剪枝算法和调度排序来减少冗余搜索。利用前缀树数据结构,GVSM可以对中间结果进行压缩,以便快速索引并降低内存消耗。GVSM将子图匹配的搜索部分卸载到GPU上执行,通过设计软件流水线进行重叠计算和数据移动,在PCI-E接口传输数据图拓扑数据的同时激活中央处理器(CPU)与GPU上的计算,并用动态负载均衡的方法减少计算资源的浪费。实验结果表明,本文方法能够有效提升子图匹配算法的性能,GVSM在性能上相比国际同类算法有显著提升,并且能处理更大规模的数据。

结合法向聚类的大叶片植物重建

根据大叶片植物自身的特性,提出一种从3D点云中重建大叶片植物的方法,主要包括点云聚类和叶片重建两部分.首先根据叶片3D点之间的距离对叶片的3D点云进行初始聚类;然后依据叶子大而平、不同叶片法线方向相差较大的特性,通过计算点的法线将3D点云细分为多个聚类,每个聚类表示一片叶子;最后利用一个通用叶子模型将每个聚类拟合成叶子.实验结果表明,该方法可以重建真实感很强的大叶片植物.