一种子超图包含查询方法
    1.
    发明公开

    公开(公告)号:CN120011600A

    公开(公告)日:2025-05-16

    申请号:CN202510084140.X

    申请日:2025-01-20

    Applicant: 东北大学

    Abstract: 本申请提出一种子超图包含查询方法,属于数据处理技术领域,包括:获取待查询超图以及数据库超图;将所述待查询超图转换为待查询的超图映射图;采用子超图包含查询算法查询级别包含索引中是否含有待查询的超图映射图对应的子超图,将待查询的超图映射图对应的子超图作为查询结果;其中,所述级别包含索引,构建过程为:将数据库超图转换为数据库超图映射图,并根据数据库超图映射图的每一个顶点构建具有树形结构的级别包含索引。本申请解决了超图映射到图中而不引起二分图等膨胀问题,在进行查询时,不需要遍历数据超图,极大缩短匹配时间。

    基于GPU并行的自适应基数树动态索引方法

    公开(公告)号:CN112000847B

    公开(公告)日:2021-07-20

    申请号:CN202010836011.9

    申请日:2020-08-19

    Applicant: 东北大学

    Abstract: 本发明提供一种基于GPU并行的自适应基数树动态索引方法。首先构建自适应基数树数据结构,前两层创建Node256类型的树节点,第三、四层的创建基于高位优先的基数排序方法,根据分支的数量创建能容下对应大小的树节点,实现动态数据结构的创建,可以保证在原批数据中最新的更新在进行排序后仍旧是在旧的更新后面,然后去重操作,去掉多余的旧更新保留最新的更新,去重之后再把每一段无重复数据的序列插入该段对应的节点内,完成对整个自适应基数树的创建,其次基于GPU并行计算能力,可以并行进行对数据的插入、查询、删除操作。

    一种基于GPU的动态图着色方法

    公开(公告)号:CN109741421A

    公开(公告)日:2019-05-10

    申请号:CN201910062804.7

    申请日:2019-01-23

    Applicant: 东北大学

    Abstract: 本发明提出一种基于GPU的动态图着色方法,步骤为:将原始无向图转化成定向图;批量进行删除、插入操作进行后批量合并更新定向图;用压缩稀疏行CSR方式存储定向图的外邻信息,压缩稀疏列CSC方式存储定向图的内邻信息,并将外邻信息与内邻信息分别传输到GPU全局内存上;判断队列是否为空或低于阈值,若否,则利用贪婪着色方法对待更新结点构成的子图进行分区,把分区结果传输至GPU端;若是,则交由CPU端处理;根据分区结果并行地对每个区内的结点进行RC-Hybrid着色;本发明方法可以充分利用GPU并行的处理能力、对待结点进行混合分块设计提高了并发性并保证着色结果的正确性与一致性。

    一种人体运动捕捉实时渲染方法及系统

    公开(公告)号:CN119937796A

    公开(公告)日:2025-05-06

    申请号:CN202510203409.1

    申请日:2025-02-24

    Applicant: 东北大学

    Abstract: 本申请提出一种人体运动捕捉实时渲染方法及系统,属于三维人体运动技术领域,其中方法包括:对多个人体上的惯性测量单元中的传感器进行初始化,对初始化后的人体上惯性测量单元的传感器进行初始对准,得到惯性测量单元坐标系与肢体坐标系之间的姿态关系;基于惯性测量单元坐标系与肢体坐标系之间的姿态关系,采用初始对准后的人体上惯性测量单元的传感器进行数据采集;将采集到的数据输入到人体姿态预测模型中,得到多个关节点的旋转数据以及全局位移;对所述多个关节点的旋转数据以及全局位移进行对应捕捉,得到实时动作捕捉渲染任务。本申请的方法保证了人体运动捕捉系统的实时性,提高了捕捉的可靠性。

    基于视频和点云数据的雪车雪橇三维滑行轨迹提取方法

    公开(公告)号:CN115375733A

    公开(公告)日:2022-11-22

    申请号:CN202211019775.4

    申请日:2022-08-24

    Applicant: 东北大学

    Abstract: 本发明公开了基于视频和点云数据的雪车雪橇三维滑行轨迹提取方法,所述方法包括:基于3D点云和视频帧关键点匹配点对的摄像机标定;基于场景内容的视频数据切分;拟合赛道两侧边缘的曲线以避免赛道外移动物体对检测的干扰;利用背景差分法检测雪车雪橇位置;利用卡尔曼滤波进行跟踪;跟踪完成后对轨迹进行平滑处理;滑行轨迹的2D坐标转换为3D坐标。本发明使用视频帧和点云关键点坐标对集合估计摄像机参数,可在无标定物的情况下获得准确的摄像机标定结果,节省人力和成本;通过利用赛道表面约束建立2D‑3D映射表进行2D坐标到3D坐标的转换;在不需要繁杂人工标注的情况下,准确提取雪车雪橇的2D滑行轨迹,并将其转换为3D轨迹。

    一种基于GPU加速的超空间哈希索引方法

    公开(公告)号:CN112000845B

    公开(公告)日:2021-07-20

    申请号:CN202010835717.3

    申请日:2020-08-19

    Applicant: 东北大学

    Abstract: 本发明提供一种基于GPU加速的超空间哈希索引方法。针对key‑value数据库,构建超空间哈希数据结构,使超空间哈希更好地适应GPU,在超空间哈希数据结构中,使用数组结构体而不是结构体数组的数据布局,其中键、次要属性和值分别存储;该数据结构更适合于GPU的线程执行模型和内存层次结构;对于批处理查询,使用通过查询分类来减少分支分歧的warp预组合数据共享策略,而且为了进一步提高超空间哈希数据结构的性能,用原子操作代替加锁,并设计了一种暂时重复读取策略来提高GHSH的性能,实现了无锁的全并发策略;最后,基于超空间哈希数据结构,实现了批量构建、按键搜索、按次要属性搜索、修改、插入和删除的操作。

    一种基于GPU的动态图着色方法

    公开(公告)号:CN109741421B

    公开(公告)日:2023-04-14

    申请号:CN201910062804.7

    申请日:2019-01-23

    Applicant: 东北大学

    Abstract: 本发明提出一种基于GPU的动态图着色方法,步骤为:将原始无向图转化成定向图;批量进行删除、插入操作进行后批量合并更新定向图;用压缩稀疏行CSR方式存储定向图的外邻信息,压缩稀疏列CSC方式存储定向图的内邻信息,并将外邻信息与内邻信息分别传输到GPU全局内存上;判断队列是否为空或低于阈值,若否,则利用贪婪着色方法对待更新结点构成的子图进行分区,把分区结果传输至GPU端;若是,则交由CPU端处理;根据分区结果并行地对每个区内的结点进行RC‑Hybrid着色;本发明方法可以充分利用GPU并行的处理能力、对待结点进行混合分块设计提高了并发性并保证着色结果的正确性与一致性。

    一种基于边分割的GPU子图匹配的方法

    公开(公告)号:CN113420187A

    公开(公告)日:2021-09-21

    申请号:CN202110692489.3

    申请日:2021-06-22

    Applicant: 东北大学

    Abstract: 本发明提供一种基于边分割的GPU子图匹配的方法,属于子图同构技术领域,所述方法首先对查询图进行边的分割,分割为多个子图,然后对于分割后的子图,并行的对数据图中的每个边进行匹配,最后对于候选子图筛选出满足同构条件的候选子图作为查询图分割后的子图;本发明方法不仅需较少的计算资源和存储空间,且能够过滤掉大量的不符合条件的边,形成候选边集合,提升GPU并行阶段的执行效率,实现了减少过滤过程的计算量、增大过滤效果的目的。

    基于GPU分组LSM树索引的方法

    公开(公告)号:CN112000846A

    公开(公告)日:2020-11-27

    申请号:CN202010836000.0

    申请日:2020-08-19

    Applicant: 东北大学

    Abstract: 本发明提供一种基于GPU分组LSM树索引的方法,涉及GPU数据库技术领域。本发明首先将数据进行预处理,当value为变长时,在GPU上进行查询时不能很好的利用缓存而且数据传输代价也会增大。本发明针对以上情况,将数据中的Key和Value进行分离,GPU中仅仅存放Value的地址,真正的Value存放在内存中。针对LSM插入速度慢的问题,本发明将原来的LSM树每一层分为多个组,每个组都是一个有序数组,合并到下一层的时候通过GPU上大量的线程并行的归并。由于将LSM树进行分组,意味着查询需要花费更高的代价。为了提高查询速度,本发明在GPU上设计了一种适应于GPU结构的布隆过滤器,通过布隆过滤器减少了大量不必要的查询开销。

Patent Agency Ranking