中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
高性能空間疊加分析——理論、算法與實踐 版權信息
- ISBN：9787030682383
- 條形碼：9787030682383 ; 978-7-03-068238-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
高性能空間疊加分析——理論、算法與實踐 內容簡介
本書以地理信息系統中經典的幾何分析算法—空間疊加分析為研究對象, 圍繞著多邊形要素層之間的疊加計算, 針對多核并行、集群并行和GPU并行構架下, 如何發展并行計算體系下高性能的空間疊置分析算法在原理、方法和應用實踐等方面進行了系統的論述。
高性能空間疊加分析——理論、算法與實踐 目錄
目 錄
前言
第1 章 緒論 1
1.1 空間大數據及其挑戰 1
1.2 計算模式的發展 1
1.3 高性能計算技術 4
1.3.1 多核并行與線程模型 4
1.3.2 集群并行與分布式內存模型 6
1.3.3 輔助處理器加速并行 8
1.3.4 混合架構并行高性能計算 9
1.4 高性能GIS 及其發展 9
1.4.1 網格GIS 10
1.4.2 集群GIS 11
1.4.3 云GIS 12
1.5 空間疊加分析算法及其發展 13
1.5.1 空間分析 13
1.5.2 疊加分析 15
1.6 本章小結 20
參考文獻 20
第2 章 并行算法設計與優化理論 24
2.1 并行化策略 24
2.2 數據分解方法 26
2.2.1 序列劃分 27
2.2.2 規則條帶/格網劃分 27
2.2.3 面向空間分布特征的數據劃分 28
2.3 任務調度策略 30
2.3.1 多核并行計算架構 31
2.3.2 集群并行計算架構 33
2.3.3 基于GPU 并行架構 34
2.4 負載平衡策略 35
2.4.1 多核并行計算架構 35
2.4.2 集群并行計算架構 36
2.4.3 基于GPU 并行架構 37
2.5 并行計算粒度 38
2.5.1 頂點級 38
2.5.2 幾何對象級 38
2.5.3 圖層級 38
2.6 本章小結 39
參考文獻 39
第3 章 空間疊加分析算法 42
3.1 疊加分析算法體系 42
3.1.1 空間疊加分析算法工具 42
3.1.2 視覺信息疊加分析 46
3.1.3 矢量數據的空間疊加分析 47
3.1.4 柵格數據的空間疊加分析 49
3.2 拓撲疊加分析 53
3.2.1 拓撲分析基本概念 53
3.2.2 拓撲疊加概念 56
3.3 非拓撲疊加分析 58
3.3.1 非拓撲疊加的數據模型與算法體系 58
3.3.2 多邊形裁剪算法及其發展 63
3.4 本章小結 72
參考文獻 73
第4 章 空間疊加分析算法并行化的關鍵問題 75
4.1 非拓撲疊加過程中圖層間要素的映射關系 75
4.1.1 “一對多”映射關系 75
4.1.2 “多對多”映射關系 76
4.2 拓撲疊加過程中的關鍵問題 76
4.2.1 拓撲疊加一致性 76
4.2.2 線要素多邊形化 85
4.2.3 拓撲錯誤檢查 90
4.2.4 實驗分析 94
4.3 拓撲疊加與非拓撲疊加并行化實現方式的比較 99
4.3.1 拓撲疊加的并行化 99
4.3.2 非拓撲疊加的并行化 101
4.4 本章小結 103
參考文獻 103
第5 章 并行空間數據域分解 105
5.1 基本概念 105
5.1.1 空間數據分解原則 107
5.1.2 分解粒度與方法 108
5.2 基于空間索引的劃分策略 110
5.2.1 四叉樹空間分解法 113
5.2.2 R-tree 分解策略 115
5.2.3 存在問題與改進分解方法 116
5.3 基于空間聚類規則的劃分策略 120
5.3.1 空間聚類策略選取 121
5.3.2 數據均衡化分解 122
5.4 多策略優化的Hilbert 排序分解 123
5.4.1 Hilbert 排序 123
5.4.2 多策略的Hilbert 排序分解 127
5.5 數據I/O 與負載均衡 130
5.6 Hilbert 索引實驗與分析 133
5.7 本章小結 133
參考文獻 134
第6 章 多邊形并行疊加分析中的數據分解方法 136
6.1 “一對多”映射下的并行疊加分析 136
6.1.1 多核并行疊加求差算法 136
6.1.2 集群并行疊加求交算法 142
6.1.3 多核并行與集群并行的比較 145
6.2 “多對多”映射下的多邊形相交蔓延性問題 147
6.3 多邊形疊加分析算法的并行化差異 147
6.3.1 數據劃分方法 147
6.3.2 并行任務映射 148
6.4 DWSI——基于R-tree 及雙向種子搜索方法的數據分解算法 148
6.4.1 并查集理論 148
6.4.2 DWSI 算法原理 149
6.4.3 DWSI 算法效率實驗分析 151
6.5 多核并行疊加聯合算法及其優化 153
6.5.1 算法流程 153
6.5.2 并行實驗分析 154
6.5.3 DWSI 算法并行失效問題及其改進 156
6.5.4 數據劃分方法對比 158
6.6 本章小結 158
參考文獻 159
第7 章 多邊形并行疊加分析中的任務映射方法及算法優化 160
7.1 多邊形疊加合并串行算法及其優化 160
7.1.1 基于Vatti 算法的多邊形合并效率分析 160
7.1.2 多邊形合并過程中的頂點累積效應及影響 162
7.1.3 基于分治法的多邊形“樹狀”合并方法 163
vi 高性能空間疊加分析——理論、算法與實踐
7.1.4 實驗分析與比較 165
7.1.5 效率提升評價模型 166
7.2 疊加分析中的任務映射關系 167
7.2.1 “一對多”映射 167
7.2.2 “多對多”映射 167
7.2.3 集群環境下的并行任務映射問題 167
7.3 多邊形集群并行疊加合并算法 168
7.3.1 集群并行高性能算法設計原則 168
7.3.2 并行策略與數據劃分方法 169
7.3.3 多邊形集群并行疊加合并算法流程 169
7.3.4 多邊形集群并行疊加合并算法任務映射方法 170
7.3.5 實驗分析與比較 173
7.4 本章小結 175
參考文獻 176
第8 章 多核環境下的算法并行化與算法優化 177
8.1 多核疊加分析算法并行化 177
8.1.1 并行化分析 177
8.1.2 并行點面疊加 178
8.1.3 并行線面疊加 184
8.1.4 并行多邊形疊加 190
8.2 多種數據劃分方法下D8 算法的多核并行化實驗對比 194
8.2.1 D8 串行算法 195
8.2.2 D8 算法并行化設計 196
8.2.3 實驗分析與比較 198
8.3 GIS 典型幾何算法的并行化與算法優化 201
8.3.1 算法內容及流程 202
8.3.2 幾何計算的并行算法設計與優化策略 203
8.3.3 實驗與分析 205
8.4 本章小結 208
參考文獻 209
第9 章 GPU 并行與CUDA 應用 212
9.1 GPU 的并行計算技術 212
9.1.1 GPU 介紹 212
9.1.2 基于GPU 的并行計算 212
9.1.3 CUDA 并行程序設計模型 215
9.2 CUDA 并行計算模型 216
9.2.1 CUDA 的線程和內存結構 217
9.2.2 CUDA 的程序執行方式 219
9.2.3 CUDA 執行模型 219
9.2.4 單指令多線程模式SIMT 220
9.2.5 CUDA 計算的特點分析 221
9.3 GPU 的計算優勢 222
9.4 RaPC 算法在GPU 并行環境下的應用 223
9.4.1 RaPC 算法效率分析 223
9.4.2 基于RaPC 算法的GPU 并行多邊形求交算法 227
9.4.3 任務映射與數據拷貝 228
9.4.4 實驗分析與討論 230
9.5 本章小結 231
參考文獻 231
第10 章 高性能集群的并行疊加分析實驗 234
10.1 并行疊加分析系統設計 234
10.1.1 系統架構與分析 234
10.1.2 微內核工具集 236
10.1.3 軟硬件環境 237
10.1.4 數據模型設計 239
10.2 并行空間數據管理 242
10.2.1 讀寫分離的空間數據庫集群 243
10.2.2 空間數據的高效訪問實現 248
10.2.3 數據訪問沖突控制 252
10.3 并行方案分析 254
10.3.1 計算與存儲協同設計 254
10.3.2 并行疊加的MapReduce 特征分析 258
10.3.3 多路I/O 并行 258
10.4 任務管理與狀態監控 260
10.4.1 作業管理 260
10.4.2 狀態監控 262
10.5 并行系統疊加實驗 263
10.5.1 并行系統疊加擦除實驗 263
10.5.2 計算與存儲協同方法驗證 265
10.6 本章小結 267
參考文獻 267
第11 章 多邊形疊加算法應用——以并行緩沖區生成算法為例 268
11.1 多邊形疊加算法應用 268
11.1.1 緩沖區生成算法原理 269
11.1.2 串行算法性能分析 271
11.1.3 基于MPI 的并行緩沖區生成算法 273
11.2 緩沖區疊加合并并行優化 274
11.2.1 緩沖與聯合 274
11.2.2 基于并行歸約的二叉樹合并 275
11.3 基于MPI 的并行緩沖區生成算法的優化方法 283
11.3.1 并行緩沖區算法效率分析 284
11.3.2 應用頂點數量指標的負載平衡方法 285
11.3.3 并行結果歸并優化 286
11.4 本章小結 288
參考文獻 288
第12 章 高性能GIS 發展展望 290
參考文獻 296
前言
第1 章 緒論 1
1.1 空間大數據及其挑戰 1
1.2 計算模式的發展 1
1.3 高性能計算技術 4
1.3.1 多核并行與線程模型 4
1.3.2 集群并行與分布式內存模型 6
1.3.3 輔助處理器加速并行 8
1.3.4 混合架構并行高性能計算 9
1.4 高性能GIS 及其發展 9
1.4.1 網格GIS 10
1.4.2 集群GIS 11
1.4.3 云GIS 12
1.5 空間疊加分析算法及其發展 13
1.5.1 空間分析 13
1.5.2 疊加分析 15
1.6 本章小結 20
參考文獻 20
第2 章 并行算法設計與優化理論 24
2.1 并行化策略 24
2.2 數據分解方法 26
2.2.1 序列劃分 27
2.2.2 規則條帶/格網劃分 27
2.2.3 面向空間分布特征的數據劃分 28
2.3 任務調度策略 30
2.3.1 多核并行計算架構 31
2.3.2 集群并行計算架構 33
2.3.3 基于GPU 并行架構 34
2.4 負載平衡策略 35
2.4.1 多核并行計算架構 35
2.4.2 集群并行計算架構 36
2.4.3 基于GPU 并行架構 37
2.5 并行計算粒度 38
2.5.1 頂點級 38
2.5.2 幾何對象級 38
2.5.3 圖層級 38
2.6 本章小結 39
參考文獻 39
第3 章 空間疊加分析算法 42
3.1 疊加分析算法體系 42
3.1.1 空間疊加分析算法工具 42
3.1.2 視覺信息疊加分析 46
3.1.3 矢量數據的空間疊加分析 47
3.1.4 柵格數據的空間疊加分析 49
3.2 拓撲疊加分析 53
3.2.1 拓撲分析基本概念 53
3.2.2 拓撲疊加概念 56
3.3 非拓撲疊加分析 58
3.3.1 非拓撲疊加的數據模型與算法體系 58
3.3.2 多邊形裁剪算法及其發展 63
3.4 本章小結 72
參考文獻 73
第4 章 空間疊加分析算法并行化的關鍵問題 75
4.1 非拓撲疊加過程中圖層間要素的映射關系 75
4.1.1 “一對多”映射關系 75
4.1.2 “多對多”映射關系 76
4.2 拓撲疊加過程中的關鍵問題 76
4.2.1 拓撲疊加一致性 76
4.2.2 線要素多邊形化 85
4.2.3 拓撲錯誤檢查 90
4.2.4 實驗分析 94
4.3 拓撲疊加與非拓撲疊加并行化實現方式的比較 99
4.3.1 拓撲疊加的并行化 99
4.3.2 非拓撲疊加的并行化 101
4.4 本章小結 103
參考文獻 103
第5 章 并行空間數據域分解 105
5.1 基本概念 105
5.1.1 空間數據分解原則 107
5.1.2 分解粒度與方法 108
5.2 基于空間索引的劃分策略 110
5.2.1 四叉樹空間分解法 113
5.2.2 R-tree 分解策略 115
5.2.3 存在問題與改進分解方法 116
5.3 基于空間聚類規則的劃分策略 120
5.3.1 空間聚類策略選取 121
5.3.2 數據均衡化分解 122
5.4 多策略優化的Hilbert 排序分解 123
5.4.1 Hilbert 排序 123
5.4.2 多策略的Hilbert 排序分解 127
5.5 數據I/O 與負載均衡 130
5.6 Hilbert 索引實驗與分析 133
5.7 本章小結 133
參考文獻 134
第6 章 多邊形并行疊加分析中的數據分解方法 136
6.1 “一對多”映射下的并行疊加分析 136
6.1.1 多核并行疊加求差算法 136
6.1.2 集群并行疊加求交算法 142
6.1.3 多核并行與集群并行的比較 145
6.2 “多對多”映射下的多邊形相交蔓延性問題 147
6.3 多邊形疊加分析算法的并行化差異 147
6.3.1 數據劃分方法 147
6.3.2 并行任務映射 148
6.4 DWSI——基于R-tree 及雙向種子搜索方法的數據分解算法 148
6.4.1 并查集理論 148
6.4.2 DWSI 算法原理 149
6.4.3 DWSI 算法效率實驗分析 151
6.5 多核并行疊加聯合算法及其優化 153
6.5.1 算法流程 153
6.5.2 并行實驗分析 154
6.5.3 DWSI 算法并行失效問題及其改進 156
6.5.4 數據劃分方法對比 158
6.6 本章小結 158
參考文獻 159
第7 章 多邊形并行疊加分析中的任務映射方法及算法優化 160
7.1 多邊形疊加合并串行算法及其優化 160
7.1.1 基于Vatti 算法的多邊形合并效率分析 160
7.1.2 多邊形合并過程中的頂點累積效應及影響 162
7.1.3 基于分治法的多邊形“樹狀”合并方法 163
vi 高性能空間疊加分析——理論、算法與實踐
7.1.4 實驗分析與比較 165
7.1.5 效率提升評價模型 166
7.2 疊加分析中的任務映射關系 167
7.2.1 “一對多”映射 167
7.2.2 “多對多”映射 167
7.2.3 集群環境下的并行任務映射問題 167
7.3 多邊形集群并行疊加合并算法 168
7.3.1 集群并行高性能算法設計原則 168
7.3.2 并行策略與數據劃分方法 169
7.3.3 多邊形集群并行疊加合并算法流程 169
7.3.4 多邊形集群并行疊加合并算法任務映射方法 170
7.3.5 實驗分析與比較 173
7.4 本章小結 175
參考文獻 176
第8 章 多核環境下的算法并行化與算法優化 177
8.1 多核疊加分析算法并行化 177
8.1.1 并行化分析 177
8.1.2 并行點面疊加 178
8.1.3 并行線面疊加 184
8.1.4 并行多邊形疊加 190
8.2 多種數據劃分方法下D8 算法的多核并行化實驗對比 194
8.2.1 D8 串行算法 195
8.2.2 D8 算法并行化設計 196
8.2.3 實驗分析與比較 198
8.3 GIS 典型幾何算法的并行化與算法優化 201
8.3.1 算法內容及流程 202
8.3.2 幾何計算的并行算法設計與優化策略 203
8.3.3 實驗與分析 205
8.4 本章小結 208
參考文獻 209
第9 章 GPU 并行與CUDA 應用 212
9.1 GPU 的并行計算技術 212
9.1.1 GPU 介紹 212
9.1.2 基于GPU 的并行計算 212
9.1.3 CUDA 并行程序設計模型 215
9.2 CUDA 并行計算模型 216
9.2.1 CUDA 的線程和內存結構 217
9.2.2 CUDA 的程序執行方式 219
9.2.3 CUDA 執行模型 219
9.2.4 單指令多線程模式SIMT 220
9.2.5 CUDA 計算的特點分析 221
9.3 GPU 的計算優勢 222
9.4 RaPC 算法在GPU 并行環境下的應用 223
9.4.1 RaPC 算法效率分析 223
9.4.2 基于RaPC 算法的GPU 并行多邊形求交算法 227
9.4.3 任務映射與數據拷貝 228
9.4.4 實驗分析與討論 230
9.5 本章小結 231
參考文獻 231
第10 章 高性能集群的并行疊加分析實驗 234
10.1 并行疊加分析系統設計 234
10.1.1 系統架構與分析 234
10.1.2 微內核工具集 236
10.1.3 軟硬件環境 237
10.1.4 數據模型設計 239
10.2 并行空間數據管理 242
10.2.1 讀寫分離的空間數據庫集群 243
10.2.2 空間數據的高效訪問實現 248
10.2.3 數據訪問沖突控制 252
10.3 并行方案分析 254
10.3.1 計算與存儲協同設計 254
10.3.2 并行疊加的MapReduce 特征分析 258
10.3.3 多路I/O 并行 258
10.4 任務管理與狀態監控 260
10.4.1 作業管理 260
10.4.2 狀態監控 262
10.5 并行系統疊加實驗 263
10.5.1 并行系統疊加擦除實驗 263
10.5.2 計算與存儲協同方法驗證 265
10.6 本章小結 267
參考文獻 267
第11 章 多邊形疊加算法應用——以并行緩沖區生成算法為例 268
11.1 多邊形疊加算法應用 268
11.1.1 緩沖區生成算法原理 269
11.1.2 串行算法性能分析 271
11.1.3 基于MPI 的并行緩沖區生成算法 273
11.2 緩沖區疊加合并并行優化 274
11.2.1 緩沖與聯合 274
11.2.2 基于并行歸約的二叉樹合并 275
11.3 基于MPI 的并行緩沖區生成算法的優化方法 283
11.3.1 并行緩沖區算法效率分析 284
11.3.2 應用頂點數量指標的負載平衡方法 285
11.3.3 并行結果歸并優化 286
11.4 本章小結 288
參考文獻 288
第12 章 高性能GIS 發展展望 290
參考文獻 296
展開全部
書友推薦
- >
羅庸西南聯大授課錄
- >
姑媽的寶刀
- >
我從未如此眷戀人間
- >
二體千字文
- >
龍榆生：詞曲概論/大家小書
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
唐代進士錄
- >
名家帶你讀魯迅:故事新編
本類暢銷
