基于分块存储格式的稀疏线性系统求解优化

来源 :计算机应用研究 | 被引量 : 4次 | 上传用户:beidoubiao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对基于GPU求解大规模稀疏线性方程组进行了研究,提出一种稀疏矩阵的分块存储格式HMEC(hybrid multiple ELL and CSR)。通过重排序优化系数矩阵的存储结构,将系数矩阵以一定的比例分块存储,采用ELL与CSR存储格式相结合的方式以适应不同的分块特征,分别使用适用于不对称矩阵的不完全LU分解预处理Bi CGStab法和对称正定矩阵的不完全Cholesky分解预处理共轭梯度法求解大规模稀疏线性系统。实验表明,应用HMEC格式存储稀疏矩阵并以调用GPU kernel的方式实现前述两
其他文献
当前最新的兴趣点推荐工作开始融合地理、文本和社交信息进行推荐,但是还存在信息挖掘不充分的情况。为此,提出了改进的多类型信息融合的联合概率生成的兴趣点推荐模型。首先提出了自动学习文档话题数目的分层狄利克雷过程主题模型,学习用户和兴趣点相关兴趣话题;同时,利用由签到分布决定带宽大小的核密度估计法,个性化地理信息对用户签到行为的影响,而且还融合了用户位置访问序列中已访问兴趣点对待访问兴趣点的影响,即序列
针对微博的情感倾向分析,提出了一种基于关键句分析的微博情感倾向性分析方法 SOAS(sentiment orientation analysis based on key sentence analysis),实现了从句子级到文档级的情感分析。首先,利用关键句抽取算法得到微博关键句,关键句抽取主要考虑位置属性、关键词属性和词频句子频特征这三类属性;之后,结合依存句法分析提出了影响情感倾向的七种词性
针对多无人机协同任务分配越来越复杂的问题,采用一种改进的阶层分级粒子群优化算法(HGIWPSO)获得最优分配方案。首先,根据粒子适应度值将种群动态划分为三个不同阶层,依据不同阶层粒子特性选择合适的学习模型,并引入独立权重思想调节惯性权重大小,平衡算法全局与局部搜索能力,提高算法性能;然后,建立协同多任务分配问题模型,采用多余负载竞拍方案减少非法劣解,通过实数编码建立粒子和实际分配方案之间的映射关系