主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2021年第1期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
方民权,张卫民,高畅,方建滨.多核与众核上MNF并行算法与性能优化.软件学报,2015,26(S2):247-256
多核与众核上MNF并行算法与性能优化
Parallelizing and Optimizing Maximum Noise Fraction Rotation on Multi-Cores and Many-Cores
投稿时间:2015-08-07  修订日期:2015-10-12
DOI:
中文关键词:  集成众核  多核并行  高光谱影像降维  最大噪声分数变换  MKL性能分析
英文关键词:many integrated cores  multi-cores parallel  hyperspectral images dimensionality reduction  maximum noise fraction rotation  performance analysis for MKL
基金项目:国家自然科学基金(61272146, 41375113)
作者单位E-mail
方民权 国防科学技术大学计算机学院, 湖南长沙 410073
国防科学技术大学海洋科学与工程研究院, 湖南长沙 410073 
fmq@hpc6.com 
张卫民 国防科学技术大学计算机学院, 湖南长沙 410073
国防科学技术大学海洋科学与工程研究院, 湖南长沙 410073 
 
高畅 国防科学技术大学计算机学院, 湖南长沙 410073  
方建滨 国防科学技术大学计算机学院, 湖南长沙 410073  
摘要点击次数: 1443
全文下载次数: 1546
中文摘要:
      高光谱遥感影像降维最大噪声分数变换(maximum noise fraction rotation,简称MNF rotation)方法运算量大,耗时长.基于多核CPU与众核MIC(many integrated cores)平台,研究MNF算法的并行方案和性能优化.通过热点分析,针对滤波、协方差矩阵运算和MNF变换等热点,提出相应并行方案和多种优化策略,量化分析优化效果,设计MKL(math kernel library)库函数实现方案并测评其性能;设计并实现基于多核CPU的C-MNF和基于CPU/MIC的M-MNF并行算法.实验结果显示,C-MNF算法在多核CPU取得的加速比为58.9~106.4,而基于CPU/MIC异构系统的M-MNF算法性能最好,加速比最高可达137倍.
英文摘要:
      Maximum noise fraction (MNF) rotation is a classical method of hyperspectral image dimensionality reduction, and it needs a large amount of calculation and thus is time-consuming. This paper investigates the code transplantation and performance optimization for the maximum noise fraction algorithm on multi-core CPU and many integrated core (MIC) architecture. By analyzing hotspots of the MNF algorithm, parallel schemes are first designed for filtering, covariance matrix calculating and MNF transforming. Then, a series of optimization methods are presented and validated for various parallel schemes of different hotspots, including using math kernel library (MKL) functions. Finally, a C-MNF algorithm on multi-cores CPUs and an M-MNF algorithm on the CPU/MIC heterogeneous system are constructed. Experiments show that the C-MNF algorithm achieves impressive speedups (ranging from 58.9 to 106.4), and the M-MNF parallel algorithm runs the fastest, reaching a maximum speed-up of 137X.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利