一种基于GPU的多尺度空间特征提取方法

    公开(公告)号:CN104778471A

    公开(公告)日:2015-07-15

    申请号:CN201510181541.3

    申请日:2015-04-17

    Abstract: 本发明公开了一种基于GPU的多尺度空间特征提取方法,包括以下步骤:利用多尺寸并行非线性滤波构造尺度空间、在尺度空间中并行的进行关键点检测和描述符生成。其中尺度空间构造包括:多尺寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的具体执行步骤。为了提高算法的并行度、降低数据依赖性,通过并行降采样提前得到各个尺寸下的初始图像,使得各个尺寸下的非线性滤波、关键点检测和描述符生成可以在GPU中并行的执行。本发明通过利用多尺寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的方法,构造尺度空间,进行特征提取,可以有效的利用GPU中众核资源,实现特征提取方法的实时性。

    基于modelica建模语言的分布式实时交互仿真系统

    公开(公告)号:CN102622262B

    公开(公告)日:2014-07-09

    申请号:CN201210006613.7

    申请日:2012-01-09

    Abstract: 本发明公开了一种基于modelica建模语言的分布式实时交互仿真系统,是结合Modelica建模语言支持多领域仿真建模的特点,并根据Modelica建模语言在实时交互仿真方面的薄弱环节,结合现有HLA仿真体系结构而提出。该系统通过中心服务器将异构的多台计算机通过具有统一的通信标准、规范和协议的高速网络互联起来,以构成一个一体化仿真环境。系统借助客户端、中心服务器、子计算服务器、仿真器调度接口和仿真器五个功能模块来实现。多个客户端和中心服务器通过TCP协议进行通信。系统的核心是提供了统一的仿真器调度接口。本发明使得开发新的仿真实验更容易,降低了开发难度,提高了系统的可扩展性。

    一种虚拟实验系统中仿真进程迁移方法

    公开(公告)号:CN102289391B

    公开(公告)日:2014-03-26

    申请号:CN201110181510.X

    申请日:2011-06-30

    Abstract: 本发明一种虚拟实验系统中仿真进程迁移方法,任务管理服务器负责仿真任务的分发;任务计算服务器根据仿真步长对每个仿真进程进行状态数据缓存,并向任务管理服务器发送相关的状态数据缓存信息;任务管理服务器实时探测多个任务计算服务器是否失效,当某个任务计算服务器失效,任务管理服务器根据仿真任务的状态数据缓存信息,将该任务计算服务器上的仿真进程在其他未失效的任务计算服务器进行重建,接着进行计算;一旦某个实验计算任务操作结束,即可清理该仿真任务相关状态数据缓存信息。本发明适合多领域,多学科虚拟实验的统一建模,可扩展性强,缓存和恢复的代价都很小,而且效率很高,可以很好满足虚拟实验实时交互体验性的要求。

    一种对等网络视频共享系统中分类检索的网络组织方法

    公开(公告)号:CN101217565B

    公开(公告)日:2011-12-14

    申请号:CN200810046630.7

    申请日:2008-01-04

    Abstract: 本发明公开了一种对等网络视频共享系统中分类检索的网络组织方法,各节点执行以下步骤:①初始化超节点列表,邻居列表;②判定自己所属的超节点类型,向超节点索引服务器请求同类的超节点列表;③判断超节点列表中各节点与本节点的索引是否重合度比较小;④将超节点列表中的索引重合度小的节点加入邻居节点列表;⑤判断当次与上次发送信息的时间间隔是否达到交流周期;⑥超节点与“邻居”节点交换更新信息和拓扑维护信息;⑦判断是否接到退出请求。本发明方法由超节点判断本节点所属的类型,并将本类中索引重合度小的节点加为邻居节点。该方法具有检索速度快,网络拓扑结构稳定,基于用户兴趣自适应调整的特点。

    一种面向多学科虚拟实验平台的XML增量传输与交互方法

    公开(公告)号:CN102231164A

    公开(公告)日:2011-11-02

    申请号:CN201110188891.4

    申请日:2011-07-06

    Abstract: 本发明公开了一种面向多学科虚拟实验平台的XML增量传输与交互方法,属于计算机应用领域。初始化时,服务端将初始场景XML数据缓存和写入磁盘,并建立缓存和文件索引。客户端检测用户的实验操作动作,并将实验命令以及增量的数据封装起来,发送到服务端。解析实验命令,如果是智能指导命令,根据增量数据和缓存的XML数据生成新的XML数据,更新缓存、磁盘文件以及相应的索引,并进行智能指导服务,如果是回退场景命令,根据回退次数和索引信息找到对应的虚拟实验场景XML文件,如果是其它命令,则从缓存中获取XML数据,并发送至相应的应用服务器。否则将服务端得到的处理结果发送至客户端。本发明可以减少虚拟实验交互过程中的数据传输量,保证整个实验过程的实时性。

    一种面向虚拟实验的非结构化数据访问方法

    公开(公告)号:CN102129469A

    公开(公告)日:2011-07-20

    申请号:CN201110071143.8

    申请日:2011-03-23

    Abstract: 本发明公开了一种面向虚拟实验的非结构化数据访问方法,步骤为:①为了避免大量小文件访问的磁盘IO、提高吞吐量,将对应于一个具体实验元器件的全部文件视为一个实验元器件对象,以该对象作为数据访问的最小单元;②数据更新操作所占比重较低,采用消息队列执行此类操作,数据修改操作异步执行,将应用与数据解耦,同时也解决了数据并发写入时的合并问题;③由于实验文件类型、格式不一,每一类数据都有其对应的解析模式,在进行数据解析时动态绑定相对应的模式;④根据虚拟实验中数据的学科相关性与具体实验相关性,预先加载热点访问数据所在学科或具体实验中定义的所有数据,与此同时,采用级联缓存结构,自顶向下缓存粒度逐渐加大,上层为下层缓存数据的子集;⑤为了独立于平台与语言,采用基于HTTP协议的REST架构,针对用户数据需求提供多种类型的RESTful接口,并提供基于URI的安全认证机制与复杂查询方法。

    一种对等直播系统中多码率调度方法

    公开(公告)号:CN101562737A

    公开(公告)日:2009-10-21

    申请号:CN200910062133.0

    申请日:2009-05-19

    Abstract: 本发明公开了一种对等直播系统中多码率调度方法,步骤为:①广播源将视频源编码成多个码率,向服务器注册视频源的地址以及视频源的码率数N。②节点加入到服务器的某个频道中,获取该频道的地址,以及该频道的码率数N,并根据码率数来设置节点自己的缓冲区。③节点自动或手动从N个码率中选择一个码率m加入频道来观看节目。④节点根据自己当前码率的缓冲区填充情况,在网络中向当前码率的邻居节点请求数据,调度当前码率的数据。⑤节点在调度数据的同时,检测当前码率的缓冲情况,以此来作为切换码率的依据。

    一种混合网络直播系统中无线组播代理方法

    公开(公告)号:CN101247197A

    公开(公告)日:2008-08-20

    申请号:CN200810046972.9

    申请日:2008-02-29

    Abstract: 本发明公开了一种混合网络直播系统中无线组播代理方法,步骤为:①节点加入到频道的组播地址,若没收到无线组播代理的心跳包就初始化为组播代理,否则竞争决定新的组播代理。②无线组播代理与广播源及有线节点交互传输,将收到的缓冲数据组播给本无线网络中的一般无线节点,响应其数据请求;③一般无线节点根据组播代理发出的心跳包初始化缓冲区,并根据缓冲区填充情况向代理请求数据。④一般无线节点如果漫游进入新网络,若新网络中存在组播代理则仍可接受服务,否则自身转为组播代理。⑤如果无线组播代理漫游出原网络,则原网络所有一般无线节点竞争选出新的组播代理,新网络若存在组播代理,则竞争确定新的组播代理,否则保持作为组播代理。

    普适环境下的远程桌面同步方法

    公开(公告)号:CN101014127A

    公开(公告)日:2007-08-08

    申请号:CN200710051402.4

    申请日:2007-01-26

    Abstract: 本发明公开了一种普适环境下的远程桌面同步方法,步骤包括:①当服务器端屏幕发生变化时,服务器获取包含变化的子域,子域是指包含变化区域的最小矩形;②将子域划分为宏块,再将子域a、b和c类型的子区;③对子区进行规范化,使子区成为规则的矩形;④服务器将屏幕变化的信息发送到客户端,客户端重构相应的子域。本发明考虑屏幕变化区域在相邻两帧中的时间冗余,将屏幕变化区域根据不同时间冗余进行分类处理,从而达到减少图像数据的目的。采用改进的运动估计方法实现对变化区域进行运动估计和分类,最后达到减少带宽消耗的目的,降低了客户端的开销;适合普适环境。

    一种分布式深度学习参数量化通信优化方法及系统

    公开(公告)号:CN109635922B

    公开(公告)日:2022-12-02

    申请号:CN201811382970.7

    申请日:2018-11-20

    Abstract: 本发明公开了一种基于离散余弦变换的分布式深度学习参数量化通信优化方法及系统,将分布式深度学习中的梯度值进行离散余弦变换后,再压缩处理,更新权重时反量化操作,形成一种通信高效的分布式深度学习系统。在工作节点发送梯度数据到参数服务器之前,采用梯度划分、GPU并行计算、离散余弦变换与量化及高频滤波压缩方法处理梯度值,然后推送至参数服务器。工作节点通过拉取操作,从参数服务器得到权重之后,采用离散余弦反变换与反量化、误差补偿更新方法更新当前工作节点上的权重。本发明能够有效提升现有的分布式深度学习框架中,工作节点和参数服务器之间的通信效率,提高模型训练速度。

Patent Agency Ranking