搜索结果: 1-10 共查到“计算机科学技术 CUDA”相关记录10条 . 查询时间(0.086 秒)
邻居搜索问题在CUDA上基于KD-TRIE方法的优化与实现
KD-TRIE k-最邻近结点算法 CUDA 图形处理器
2012/6/30
介绍如何在CUDA上搭建KD-TRIE，并对其进行搜索，使其能适应解决邻居搜索问题.实验结果表明，当搜索半径较小（如整个空间直径的0.01和0.001），数据规模较大（如106）时，使用KD-TRIE进行搜索的效果最佳，与蛮力算法相比可以达到加速比5 000～15 000倍的效果；当搜索半径较大时，加速比会相应减少.采取优化措施,可以提高加速比.
基于CUDA 的格子Boltzmann 方法: 算法设计与程序优化
格子Boltzmann 方法 CUDA 并行计算 GPU 优化
2011/5/30
格子Boltzmann 方法(LBM)由于其具有计算简单, 天然并行, 易于程序实现, 易于处理复杂边界等优点而成为流体建模和模拟的一种重要方法. LBM 的上述优点也使得其非常适合利用图形处理单元(graphic processing unit, GPU)进行大规模流体计算. 基于GPU 的CUDA(compute unified device architecture)编程平台, 首先设计了相...
对MS-Alignment算法进行分析得出该算法很难满足大规模数据对鉴定速度的要求，而且具有的一个特点是相同的任务在不同的数据上重复计算，为数据划分提供了基础。基于CUDA编程模型使用图形处理器(GPU)对步骤数据库检索及候选肽段生成进行加速优化，设计了该步骤在单GPU上的实现方法。测试结果表明，此方法平均加速比为30倍以上，效果良好，可以满足蛋白质翻译后修饰鉴定中大规模数据快速计算的需求。
针对基于数字高程模型（DEM）生成流域等流时线的快速运算问题，提出了一种基于统一设备计算架构（CUDA）平台同时可发挥图形处理器（GPU）并行运算特性的汇流分析的快速并行算法。采用改进后的归并排序算法进行数据排序及新的内存分配策略和改进的并行算法进行汇流分析。用该并行算法和CPU上的串行算法, 对生成基于DEM的等流时线运算时间和矩阵乘法运算时间进行分析验证。实验结果表明，基于CUDA的汇流分析并...
基于CUDA的加速MATLAB计算研究
统一计算设备架构 MATLAB 加速计算
2010/6/1
介绍了NVIDIA公司新的编程框架CUDA的特点以及CUDA加速MATLAB的方法，测试了CUDA加速岩土工程中常用的算法如矩阵计算、快速傅里叶变换、支持向量机。随后分析了数据规模、算法复杂性与加速效果的关系，指出了基于CUDA的MATLAB加速计算的应用前景。测试结果表明，CUDA方式相对传统计算方式的最好加速效果分别达到了22.39倍、46.88倍、51.32倍，证明了CUDA加速计算的有效性...
基于CUDA的三维数据场航路规划方法
航路规划 统一计算设备架构(CUDA) 航路优化
2009/10/20
针对数据量庞大、复杂的三维数据场环境下航路规划速度偏低的问题，提出一种基于统一计算设备架构(CUDA)的三维数据场航路规划方法。该方法以三维水下声场为威胁模型，水下航行的潜艇为背景，运用CUDA对大规模数据场环境下对航路进行规划，对可并行计算部分与CUDA进行计算，仿真结果证明该方法可以提高规划速率、优化初始航路。
基于CUDA的尺度不变特征变换快速算法
尺度不变特征变换 特征提取与匹配 图像处理单元 统一计算设备架构
2009/9/25
针对尺度不变特征变换(SIFT)算法耗时多限制其应用范围的缺点，提出一种基于统一计算设备架构(CUDA)的尺度不变特征变换快速算法，分析其并行特性，在图像处理单元(GPU)的线程和内存模型方面对算法进行优化。实验证明，相对于CPU，算法速度提升了30~50倍，对640×480图像的处理速度达到每秒24帧，满足实时应用的需求。
基于CUDA的矩阵乘法和FFT性能测试
矩阵乘法 快速傅里叶变换 并行计算
2009/8/19
针对NVIDIA公司的CUDA技术用Geforce8800GT在Visual Studio2008环境下进行测试，从程序运行时间比较判断CUBLAS库、CUDA内核程序、CUDA驱动API、C循环程序与Intel MKL库以及FFTW库与CUFFT库运行响应的差异。测试结果表明，在大规模矩阵乘法和快速傅里叶变换的应用方面，相对于CPU，利用GPU运算性能可提高25倍以上。
CUDA架构下的快速图像去噪
图像去噪 统一计算设备架构 并行数据处理
2009/7/24
图像处理通常需要较大的计算量，其中图像去噪是经常使用的一种预处理算法，研究其快速算法具有重要意义。图形处理器具有强大的并行计算能力，但大部分时间处于闲置状态。统一计算设备架构提供了一种简单易用的开发环境，可利用图形处理器进行通用计算。提出了基于统一计算设备架构的快速图像去噪算法，可以利用GPU的计算能力，加快去噪过程，显著地减少计算时间。
基于CUDA的双三次B样条缩放方法
图形处理器（GPU） 图像缩放 重采样
2009/7/21
Nvidia在GeForce 8系列显卡上推出的CUDA（统一计算设备架构）技术使GPU通用计算（GPGPU）从图形硬件流水线和高级绘制语言中解放出来，开发人员无须掌握图形学编程方法即可在单任务多数据模式（SIMD）下完成高性能并行计算。研究了CUDA的设计思想和编程方式，改进了基于双三次B样条曲面的图像缩放算法，使用多个线程将计算中耗时的B样条重采样部分改造成SIMD模式，并分别采用CUDA中全...