【摘 要】
:
矢量线可视化法以其能表示矢量场的连续性,绘制效果直观而广泛应用在工程实践中,已成为流场可视化的重要方法。随着科学模拟精度不断提高,矢量场的数据规模不断增大,传统的矢
论文部分内容阅读
矢量线可视化法以其能表示矢量场的连续性,绘制效果直观而广泛应用在工程实践中,已成为流场可视化的重要方法。随着科学模拟精度不断提高,矢量场的数据规模不断增大,传统的矢量线可视化方法无法实现大规模矢量场数据的高效可视化,核外技术和并行可视化成了矢量线可视化领域的研究热点。然而应用核外技术或并行可视化进行矢量线计算时,因数据传输造成的延时极大影响了可视化速度。如何缓解因数据传输带来的计算延时,已成为迫切需要研究解决的问题。已有方法不能很好地解决数据传输带来的延时,并行加速性能不高,难以满足大规模矢量数据可视化实时交互需求。本文研究了矢量线可视化中的数据预取方法及基于数据预取的混合并行加速算法,并初步设计和实现了矢量线并行可视化软件。本文主要工作和研究成果如下:1、提出了一种大规模数据矢量线可视化中的数据预取方法。该方法首先利用在预处理阶段数据块间粒子流向的统计结果,构造数据块间粒子流向概率图,然后在进行矢量线计算时,利用粒子流向概率图来预测下一步计算所需的数据块并将其提前预取。同时分析了数据块划分粒度、粒子流向及位置对预取命中率的影响,在数据块间粒子流向概率图基础上增加了粒子边界信息,构造了边界间粒子流向概率图。实验结果表明,相比于已有预取方法,基于粒子流向概率的数据预取方法显著提高了预取的命中率和数据满足率,有效缩短了数据预处理时间。2、提出了一种节点间与节点内混合并行加速算法。该方法利用基于OpenMP的多核并行及基于MPI的多节点并行技术,对矢量线计算进行加速。同时,分析了多节点并行中的网络瓶颈问题,设计了一种分布式的Key-Value存储方案,消除了单一数据中心单点瓶颈,提高了数据传输效率,同时利用数据预取降低了数据传输延时。实验结果表明,该方法可获得较高的并行加速比,有效提高了矢量线可视化的效率。3、在上述工作基础上,设计实现了一个基于数据预取的矢量线并行可视化软件原型。该软件由矢量场数据预处理模块、数据预取模块、线程调度与管理模块、矢量线生成模块、图形绘制模块组成。基于该软件,本文用多组数据验证了所提方法的正确性和有效性。
其他文献
作为在信息检索领域的一个研究热点,Web数据抽取技术已经日益被众多大学和研究机构作为研究重点。Web数据抽取亦称Web信息采集(WebCrawler、Web Spider、Web Robot或Web Worm
流线可视化是流场可视化领域重要研究方法之一,具有简单直观、适合交互等特性,在工程实践中广泛应用。流线可视化可以归结为两方面的研究:一种是流线种子点分布算法;一种是流
万维网(World Wide Web)已成为人们获得信息、取得服务的重要渠道之一。但至今它主要作为文件媒体的集合,其上的大部分内容都是设计给人看的,而计算机却不能对其内容进行自动
随着移动通信技术的迅猛发展和多媒体压缩技术的不断提高,诸如手机电视,手机监控等移动流媒体应用日益受到人们的青睐。在分析移动流媒体传输特点和H.264视频编解码技术的基
神经网络发展迅速,经过各国学者多年的研究创新,许多具备不同信息处理能力的神经网络已被提出并应用于各种信息处理领域。其中以BP神经网络的应用最为广泛,据统计,80%-90%的神经网络模型采用了BP网络或者它的变化形式。已有理论证明,三层结构的BP网络可以逼近任意的非线性映射关系。但在实际的训练过程中,常会因为网络结构不合理或初始权值的选取不当导致训练精度达不到要求,引起网络的重新训练,降低了训练效率
“Self-NonSelf”(SNS)识别模型是传统人工免疫模型中的一个重要分支。美国免疫学教授Forrest基于SNS模型提出了否定选择算法,成功的模拟了免疫耐受的过程。然而Kim的研究表
移动目标视频跟踪是当前信息领域的前沿和热点方向,融合了计算机科学、自动控制、机器视觉、图像处理、模式识别、数学等多学科的先进技术。本文以智能视频监控作为主要线索,
随着信息社会尤其是互联网的发展,人们对文本检索的要求越来越高。对传统关键词匹配技术的改进,智能检索研究已经成为热点,并将是支撑下一代互联网的核心技术之一,将语义计算
随着人类基因组测序工作的完成,蛋白质分子序列数据呈几何级数增长。通过对蛋白质的分子序列的折叠结构的研究和分析,可以预测蛋白质的功能。这对于生物学、医学的研究发展有
高性能计算在气象预报、航空航天等领域有着广阔的应用前景,MPI是当前高性能计算应用进程间消息传递事实上的标准,集合通信是影响高性能计算应用性能的重要因素之一。自由光