检索结果

Select

1. 多种任务调度混合的IB-LBM并行优化方法

刘智翔, 刘慧超, 黄冬梅, 周丽萍, 苏诚

《计算机应用》唯一官方网站 2020, 40 (2): 386-391. DOI: 10.11772/j.issn.1001-9081.2019081401

摘要（456）

HTML （3）

PDF （941KB）（304）

在使用浸入边界-格子玻尔兹曼方法（IB-LBM）求解流场时，为了得出比较精确的结果，往往需要规模较大、较密集的流场网格，这就会造成模拟过程时间长的问题。为了提高模拟的效率，利用IB-LBM局部计算的特点，结合OpenMP中三种不同的任务调度方式，给出了IB-LBM的并行优化方法。在并行优化中混合使用三种任务调度方式，以弥补单一任务调度造成的负载不均衡问题；将IB-LBM进行结构化分解，测试每一结构部分的最优调度方式，根据实验结果选择最优的调度组合方式，而在不同线程数下，最优的组合方式是不同的。优化结果通过并行加速比来检验，可以得出：在线程数较少的情况下，加速比趋近于理想状态；在线程数较多的情况下，虽然线程开辟和销毁的额外时间消耗对性能的优化产生了影响，模型的并行性能仍有了很大的提升。流场的模拟结果显示，在进行并行优化后， IB-LBM对流固耦合问题模拟的准确性并没有受到影响。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 移动群智感知中面向任务需求的用户选择激励机制

陈秀华, 刘慧, 熊金波, 马蓉

计算机应用 2019, 39 (8): 2310-2317. DOI: 10.11772/j.issn.1001-9081.2019010226

摘要（446）

PDF （1328KB）（304）

现有的移动群智感知激励机制大多以平台为中心或是以用户为中心进行设计，缺乏对感知任务需求的多维考虑，从而无法切实地以任务为中心进行用户选择，导致无法满足任务需求的最大化和多样化。针对上述问题，提出一种面向任务需求的用户选择激励机制TRIM，这是一种以任务为中心的设计方法。首先，感知平台根据任务需求发布感知任务，并从任务类型、时空特性以及感知报酬等多维度构建任务向量以最大化满足任务需求，而感知用户则基于意愿偏好、个人贡献值以及期望报酬等属性构建用户向量，实现个性化选择感知任务参与响应；然后，通过引入高效且隐私保护的余弦相似度计算协议（PCSC），计算任务和用户的相似度并根据相似度高低进行用户匹配筛选得到目标用户集，更好地满足感知任务需求的同时保护用户隐私不泄露；最后，通过仿真实验表明，在感知任务和感知用户的匹配过程中，与采用Paillier加密协议的激励机制相比，TRIM缩短了指数级增量的计算时间开销，提高了计算效率；与采用直接余弦相似度计算协议的激励机制相比，TRIM保证了感知用户的隐私安全，达到了98%的匹配精确度。

参考文献 | 相关文章 | 多维度评价

Select

3. 不确定数据频繁闭项集挖掘算法

刘慧婷, 沈盛霞, 赵鹏, 姚晟

计算机应用 2015, 35 (10): 2911-2914. DOI: 10.11772/j.issn.1001-9081.2015.10.2911

摘要（404）

PDF （586KB）（388）

由于不确定数据的向下封闭属性,挖掘全部频繁项集的方法会得到一个指数级的结果。为获得一个较小的合适的结果集,研究了在不确定数据上挖掘频繁闭项集,并提出了一种新的频繁闭项集挖掘算法——NA-PFCIM。该算法将项集挖掘过程看作一个概率分布函数,考虑到基于正态分布模型的方法提取的频繁项集精确度较高,而且支持大型数据库,采用了正态分布模型提取频繁项集。同时,为了减少搜索空间以及避免冗余计算,利用基于深度优先搜索的策略来获得所有的概率频繁闭项集。该算法还设计了两个剪枝策略:超集修剪和子集修剪。最后,在常用的数据集(T10I4D100K、Accidents、Mushroom、Chess)上,将提出的NA-PFCIM算法和基于泊松分布的A-PFCIM算法进行比较。实验结果表明,NA-PFCIM算法能够减少所要扩展的项集,同时减少项集频繁概率的计算,其性能优于对比算法。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于交叉覆盖算法的时间序列模式匹配

刘慧婷倪志伟李建洋刘政怡

计算机应用

摘要（1588）

PDF （651KB）（820）

为了有效进行时间序列的匹配，提出了基于交叉覆盖算法的模式匹配方法。首先对时间序列进行预处理，使它们分布在n+1维空间中某个中心在原点的球面上，再通过学习构造分类器，实现序列的准确匹配。主要讨论完全匹配查询，即把两两相似的时间序列分别归类，所以利用交叉覆盖算法准确分类的功能可以完成所探讨的问题。