潘茜
- 作品数:2 被引量:3H指数:1
- 供职机构:南京航空航天大学计算机科学与技术学院更多>>
- 发文基金:国家重点基础研究发展计划更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于CUDA的并行K-近邻连接算法实现被引量:2
- 2016年
- 针对大规模空间数据的K-近邻连接查询问题,设计了一种CUDA编程模型下K-近邻连接算法的并行优化方法。将K-近邻连接算法的并行过程分两个阶段:1)对参与查询的数据集P和Q分别建立R-Tree索引;2)基于RTree索引进行KNNJ查询。首先根据结点所在位置划分最小外包框,在CUDA下基于递归网格排序算法创建RTree索引。然后在CUDA下基于R-Tree索引进行KNNJ查询,其中涉及并行求距离和并行距离排序两个阶段:求距离阶段利用每一个线程计算任意两点之间的距离,点与点之间距离的求取无依赖并行;排序阶段将快速排序基于CUDA以实现并行化。实验结果表明,随着样本量的不断增大,基于R-Tree索引的并行K-近邻连接算法的优势更加明显,具有高效性和可扩展性。
- 潘茜张育平陈海燕
- 关键词:CUDA空间查询并行计算
- 模糊数学与中介真值理论相结合的评价方法被引量:1
- 2015年
- 针对模糊非确定现象的评价问题,提出了模糊数学与中介真值理论相结合的评价方法。模糊数学评价法和中介真值理论的方法都是从量的角度研究和处理模糊现象。但是,模糊数学评价法注重应用而缺乏系统理论的支持,其模糊合成算子在多因素情况下很难确定,且度量值域局限于[0,1];中介真值理论的评价方法在处理因素较多且权重难以细分的情况时,也具有一定的局限性。因此,将模糊数学与中介真值相结合,将模糊数学的评价方法运用到二级指标的评定,将中介真值理论的评价方法运用到一级指标的综合评定,由此确定最佳选择方案。最后,将该方法运用于软件质量评估,并分别与模糊数学评价法和中介真值理论的评价方法相比较,结果表明该方法是可行的、合理的,并具有一定优势。
- 潘茜张育平陈海燕
- 关键词:指标体系