排序方式： 共有32条查询结果，搜索用时 0 毫秒
31.
数据划分是并行算法设计的重要步骤,其结果的均衡性与高效性是提高并行算法性能的重要前提。对于集聚分布的点集数据,传统的D-TIN(Delaunay Triangulation)并行算法尚未给出划分结果均衡、划分效率高效的理想解决方案。针对上述问题,本文在传统D-TIN并行算法规则条带划分方法的基础上,提出采用动态条带实现针对集聚分布点集数据的均衡、高效划分方法。首先,获取点集的最小外接矩形,并使用规则矩形条带按照同一方向进行点集粗分,然后,按顺序进行相邻条带的合并,必要时需动态调整合并区域边界以达到满足负载均衡的要求。为了提高划分效率,尽量减少边界移动次数,采用了对半移动的规则进行边界的动态调整。为了验证动态条带划分方法的适用性,本文使用人工模拟点集数据,进行加速比测试,使用实验区域真实数据进行D-TIN并行构建效率的统计,实验证明,采用该数据划分方法可以获得更高、更稳定的并行加速比,并且数据分布形态和数据规模对加速比的影响较小,进行D-TIN构建可以获得更好的执行效率,并且加速效果更加明显。 相似文献
32.
基于元分维模型的江苏城镇体系空间均衡特征分析 总被引：2，自引：0，他引：2
基于滑动窗口的局部分维分析方法--元分维模型,采用2005年江苏省城镇基础数据,对江苏省1 850个城镇及街道办的空间均衡程度进行定量测度,结果表明:①江苏城镇体系空间均衡程度差异明显,自南向北存在一定程度的空间梯度递减,其中江苏南部城镇分布最为密集且较为均衡,江苏中部次之,而江苏北部除徐州市区外.均衡程度较低;②江苏城镇分布上东部比西部均衡;③江苏城镇轴线集中发展的分布特征突出,沿长江分布的无锡、常州、苏州、镇江、扬州、泰州、南通、南京8个地区城镇分布密集,且均衡程度较高;④城镇体系的空间均衡程度与城市化水平基本一致.实验证明,元分维模型可以用于定量分析特定尺度下的城镇局部空间均衡程度的差异. 相似文献