文献类型：期刊文章

作　　者：张宇[1] 刘坡[2] 杨敏华[1] 龚建华[2,3] 黄明详[4]

机构地区：[1]中南大学地球科学与信息物理学院,湖南长沙410083 [2]中国科学院遥感与数字地球研究所遥感科学国家重点实验室,北京100101 [3]浙江中科空间信息技术应用研发中心,浙江嘉兴314100 [4]环境保护部信息中心,北京100101

出　　处：《地理与地理信息科学》

基　　金：中国科学院知识创新工程重要方向项目(KZCX2-EW-318);国家自然科学基金项目(40901233);国家科技支撑计划项目"扶贫空间信息系统关键技术及其应用"第四课题"扶贫开发信息服务系统构建"(2012BAH33B04);嘉善县科技创新种子资金项目(2011B04);嘉善县科技计划项目(2011A44)

年　　份：2013

卷　　号：29

期　　号：4

起止页码：99-103

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD2013_2014、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：提出一种基于GPU的二部图联合聚类并行算法,它能够在单指令多线程模型下完成高性能并行计算。针对空间联合聚类算法中存在大量的空间聚类计算和约束判断计算(文中为求和计算),并行算法分别采用共享存储器和全局存储器加速技术,来提高算法执行的效率。该文以表示同一地区多时相、多比例尺的两个空间要素集的聚类为例,表明二部图并行算法比CPU串行算法最高可以获得858倍的加速比。GPU的实时处理能力和计算能力可以为海量的空间数据聚类提供新的思路和参考。

关 键 词：GPU 并行计算 空间聚类 二部图 邻接矩阵

分 类 号：P208]