-
题名一种基于并行SNESIM的空间数据重建方法
被引量：2
- 1
-
-
作者
张挺
杜奕
黄涛
李雪
-
机构
上海电力学院计算机科学与技术学院
上海第二工业大学计算机与信息学院
中国科学技术大学工程科学学院近代力学系
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2015年第6期1431-1442,共12页
-
基金
中国科学院战略性先导科技专项项目(XDB10030402)
国家"九七三"重点基础研究发展计划基金项目(2011CB707305)
+8 种基金
国家科技重大专项基金项目(2011ZX05009-006)
上海市自然科学基金项目(11ZR1413700
12ZR1412000)
上海市优秀青年教师培养资助计划项目(ZZsdl12002
ZZsdl13015)
上海电力学院人才引进基金项目(K2012-004
K2013-019
K2014-020)
上海第二工业大学校级重点学科建设软件服务工程基金项目(XXKZD1301)
-
文摘
空间数据的应用领域正在不断扩大.数据插值可以有效重建空间未知数据.数据插值就是一个数据再生的过程,即由原始数据再生出具有更高分辨率的数据.插值方法分为"确定"性插值和"不确定"性插值方法.不确定性插值方法的不确定性一方面表现在选用的插值方式具有随机性,另一方面表现在插值参数的选取和确定需要依赖于概率统计原则.多点随机模拟法(multiple-point simulation,MPS)是实现空间数据不确定插值重建的重要手段.单一标准方程模拟(single normal equation simulation,SNESIM)作为一种常用的MPS方法,目前已经用于多个领域的离散型空间数据三维重建.但是由于SNESIM给CPU和内存带来的负荷较大,大大限制了其实际应用.为了克服这种局限性,基于统一计算设备架构(compute unified device architecture,CUDA)实现SNESIM的并行化,并在计算训练图像(training image,TI)熵的基础上选择合适的数据模板尺寸;同时,通过整合软硬数据提高重建质量.与以往基于CPU的重建方法相比,基于CUDA的SNESIM并行算法显示出更好的空间数据重建效率.
-
关键词
空间数据
多点随机模拟
统一计算设备架构
熵
软数据
-
Keywords
spatial data
multiple-point simulation（MPS）
compute unified device architecture （CUDA）
entropy
soft data
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
