【摘 要】
：
科学与工程模拟产生的数据规模可达TB甚至PB量级， 数据约减已成为降低I/O时间开销和存储成本的重要手段. 为实现高精度的科学可视化和数据分析， 面向大规模结构化数据集， 提出一个精度可控的数据约减方法. 该方法以可视分析数据的插值误差作为约束条件， 根据物理场量的空间分布特征构造多层嵌套的自适应背景网格; 然后， 将原始数据插值映射到轻量化的背景网格， 减少冗余数据的存储; 最后， 将约减后的数
论文部分内容阅读
科学与工程模拟产生的数据规模可达TB甚至PB量级， 数据约减已成为降低I/O时间开销和存储成本的重要手段. 为实现高精度的科学可视化和数据分析， 面向大规模结构化数据集， 提出一个精度可控的数据约减方法. 该方法以可视分析数据的插值误差作为约束条件， 根据物理场量的空间分布特征构造多层嵌套的自适应背景网格; 然后， 将原始数据插值映射到轻量化的背景网格， 减少冗余数据的存储; 最后， 将约减后的数据集并行输出至高效存储的可视化文件. 数据约减算法基于并行编程框架JASMIN实现， 能够无缝对接基于J
其他文献
提高运动精度是机器人执行精密操作的基础.该文针对重载操作造成的机器人末端结构变形问题进行位姿补偿研究.首先,提出了基于模型和数据驱动的机器人末端6D位姿估计方法,该方法利用基于Gauss过程回归的机器人运动学误差模型获得部分目标点空间位置的预测值;然后,提出了基于测量平差的位姿修正方法,对目标点位置的实测值和预测值进行修正,以提高位姿的估计精度.实验结果表明,该文提出的位姿估计方法能够精确地补偿重
复杂计算域上的等几何分析是一个热点问题. 通常情况下， 复杂计算域可用多片具有几何连续性的简单区域拼接， 因此有必要讨论计算域的几何连续性对等几何分析收敛性的影响. 针对G~(1)(一阶几何连续)曲线上Laplace-Beltrami方程数值求解问题， 从理论上分析了其等几何分析框架下的求解误差， 根据理论分析给出了具有最优收敛阶的样条函数空间选择方法. 此外， 根据样条函数空间的逼近性质， 数值
中华中医药是传统文化宝库， 研究及继承中医医案是更好地对其内容进行传承与创新的方式之一. 提出中医病案可视分析方法， 对多变量多模态时变病案数据和药物对应的现代医学症状高维数据进行分析. 提出流图、降维图、实验室检查指标图等多关联视图和交互关联更新构成的可视分析方法， 支持医学专家运用中医整体观和辨证论治理论分析病案; 根据视觉感知原理设计方便对比的可视映射和交互操作， 探索不同中药对应现代医学症
RS（Reed-Solomon）码可以根据应用环境构造出任意容错能力的码字，有很好的灵活性，且使用RS纠删码作为容错方法的存储系统能达到理论最优的存储效率．但是，与异或（exclusive-OR，XOR）类纠删码相比，RS类纠删码译码计算的时间开销过大，这又很大程度上阻碍了它在分布式存储系统中的使用．针对这一问题，提出了一类RS纠删码的译码方法，该方法完全抛弃了当前大多RS类纠删码译码方法中普遍使
为理解不同异构网络嵌入模型之间的差异， 并解决评估异构网络嵌入模型所存在的定性分析复杂且隐藏的问题， 统一模型的评估指标和任务， 训练模型以获取模型训练过程中的大量参数和特征信息， 保留完整且非均值化的评估结果进行可视化. 设计并实现了一个交互对比可视分析工具——HINCompare， 包括基础评估指标的分布概览和推荐结果对比视图， 以及模型嵌入过程中融合的局部拓扑结构特征视图， 以探索模型中不同
光照是影响人脸识别效果的重要因素， 针对当前人脸数据建库技术构建满足光照分析需求的数据库难度较大的问题， 开展基于三维人脸模型的深度人脸识别光照分析研究. 首先， 借助三维人脸模型， 根据人脸基图像表示理论提出一种对应任意光照的人脸图像生成方法， 用于构建光照分析所需的人脸图像库; 然后， 利用构建的多光照人脸图像库分析不同光照采样方案对人脸识别模型性能的影响， 探索建库所需的最优光照采样方案;
智能家居运用物联网技术为用户提供自动化的智能服务，但传统的集中式架构存在机密性和完整性等安全性问题，而现有的分布式架构又存在重复认证、高延迟等问题。针对这些问题，基于区块链和椭圆曲线集成加密技术提出了一种智能家居认证与访问控制方案，同时还引入了边缘计算，降低系统的延迟。并将基于权能的访问控制与区块链相结合，在区块链上存储权能令牌并设计了相应的智能合约以实现安全的访问控制。安全性分析表明，该方案具有
肝脏肿瘤是一种发病率高且恶化概率高的疾病，为了快速地诊断肝脏疾病，需要从计算机断层扫描(CT)中准确地分割出肝脏及肿瘤。为了分析肝脏及肿瘤图像分割领域的现状及发展趋势，针对肝脏及肿瘤图像的分割方法进行了研究，总结了近些年肝脏及肿瘤图像的分割方法。肝脏及肿瘤图像分割方法包括传统方法以及深度学习方法。传统方法需要较多的人工参与，不能实现完全自动化；深度学习方法从分割网络的维度可分为2D、2.5D以及3
基于扶贫领域大量多维数据可预测贫困对象下一步的状态，包括贫困、脱贫和返贫三种状态，同时可识别出影响状态变迁的关键因素。从扶贫基础数据和多个行业数据中提取8个关键特征和22个观测状态，构建观察状态和隐含状态关联关系，建立扶贫对象状态预测隐马尔可夫模型（Hidden Markov Model，HMM）。以某深度贫困县连续3年的数据为样本，进行参数训练、测试实验和结果验证，结果表明该方法对返贫、贫困和脱
道路网选取是一个模糊决策过程，针对当前制图综合案例推理算法中容易出现噪声和冲突、部分结果需人工参与决策等问题，本文以本体技术为基础，提出一种利用本体组织案例并进行知识推理的道路网选取方法。首先，从已有系列比例尺数据中提取案例，并基于三元法进行形式化描述；其次，以案例数据为中心构建本体知识库，重新组织案例表达方式；然后，利用本体规则扩展，识别并消除案例库中的噪声和冲突；最后，通过语义映射和图查询等推