孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

高性能时空计算及应用

高性能时空计算及应用
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者:
出版社: 科学出版社
2021-01
版次: 1
ISBN: 9787030669575
定价: 88.00
装帧: 平装
分类: 计算机与互联网
1人买过
  • 《高性能时空计算及应用》综合地理信息科学、计算机科学等领域知识，结合团队积累的研究案例，对高性能时空计算的理论、方法进行总结和凝练，可以指导海量时空数据处理、分析、挖掘等具体实践。《高性能时空计算及应用》共9章。第1章阐述高性能时空计算的现状及发展趋势；第2章介绍并行计算的基本概念、通用流程、评价方法等；第3～5章分别介绍多核、集群、众核环境下的时空分析算法设计与案例；第6章结合云计算的理论介绍时空大数据的存储与管理，包括分布式文件系统/非关系数据库下时空剖分、时空索引、查询访问等关键技术；第7章结合内存计算的理论介绍时空大数据的处理与可视化，具体包括时空大数据LOD方法、大规模POI数据/点云数据的可视化案例等；第8章介绍大规模时空过程模拟的方法与案例，包括元胞自动机、多智能体模型并行化及不同领域的应用；第9章介绍深度学习与时空计算的融合，结合具体案例讲述高性能计算支持的时空智能分析。 目录

    第1章 高性能时空计算现状及趋势 1

    1.1 背景 1

    1.2 时空大数据 1

    1.3 高性能软硬件发展概况 3

    1.3.1 硬件架构 3

    1.3.2 典型的高性能计算模型及框架 5

    1.4 时空大数据并行处理与分析进展 7

    1.4.1 时空大数据存储与管理 7

    1.4.2 时空大数据并行分析 10

    1.4.3 时空大数据挖掘 12

    1.5 当前研究发展趋势 14

    参考文献 14

    第2章 并行计算基础 18

    2.1 并行计算概述 18

    2.1.1 并行计算基本概念 18

    2.1.2 并行计算环境分类 19

    2.2 并行程序设计方法 22

    2.2.1 并行计算实现模式 22

    2.2.2 并行算法设计过程 23

    2.3 并行程序性能评价 28

    2.3.1 加速比及效率 28

    2.3.2 阿姆达尔定律 28

    2.4 并行程序设计案例 29

    参考文献 31

    第3章 多核计算支持的时空分析算法设计 32

    3.1 多核计算概述 32

    3.2 多核CPU发展 32

    3.3 多线程开发模型 34

    3.3.1 PThreads 35

    3.3.2 OpenMP 37

    3.3.3 Intel TBB 39

    3.4 应用1：基于并行流水线的IDW空间插值 40

    3.4.1 空间插值 40

    3.4.2 基于并行流水线的IDW插值 42

    3.4.3 实验结果 44

    3.5 应用2：大规模点云的并行不规则三角网构建 45

    3.5.1 Delaunay三角网 45

    3.5.2 基于分治和并行流水线计算的并行Delaunay三角网构建 47

    3.5.3 实验结果 50

    参考文献 51

    第4章 基于集群的时空分析算法设计 52

    4.1 集群计算概述 52

    4.2 集群的体系结构 52

    4.2.1 集群的分类 53

    4.2.2 集群开发模型 53

    4.3 MPI并行编程 54

    4.3.1 MPI简介 54

    4.3.2 消息通信模式 57

    4.4 应用1：基于MPI的k-均值聚类算法 60

    4.4.1 k-均值聚类（k-means）算法简介 60

    4.4.2 基于MPI的k-means聚类 60

    4.4.3 实验结果及分析 63

    4.5 应用2：基于MPI的克里金插值 65

    4.5.1 克里金插值简介 65

    4.5.2 基于MPI的分布式克里金插值 66

    4.5.3 实验结果及分析 68

    参考文献 70

    第5章 基于GPGPU的时空分析算法设计 72

    5.1 众核计算概述 72

    5.2 GPU技术发展 73

    5.2.1 GPU体系架构变迁 73

    5.2.2 现代GPU体系架构 74

    5.2.3 GPGPU开发模型 78

    5.3 CUDA模型 79

    5.3.1 CUDA编程模型 79

    5.3.2 CUDA加速库 85

    5.4 应用1：基于CUDA的河网提取 87

    5.4.1 河网提取算法 87

    5.4.2 基于CUDA的河网提取实验 89

    5.4.3 实验结果及分析 91

    5.5 应用2：基于CUDA的Bellman-Ford*短路径搜索 92

    5.5.1 Bellman-Ford*短路径算法 92

    5.5.2 基于CUDA的Bellman-Ford*短路径搜索 93

    5.5.3 实验结果及分析 94

    参考文献 95

    第6章 时空大数据分布式存储与管理 97

    6.1 云计算概述 97

    6.1.1 云计算的定义 97

    6.1.2 云计算的特征 98

    6.1.3 主流云计算平台及产品 99

    6.2 分布式文件系统 100

    6.2.1 分布式文件系统概述 100

    6.2.2 典型分布式文件系统 101

    6.2.3 HDFS简介 102

    6.3 分布式NoSQL数据库 103

    6.3.1 分布式NoSQL数据库概述 103

    6.3.2 文档数据库MongoDB 107

    6.3.3 列族数据库HBase 110

    6.4 时空数据组织与管理关键技术 113

    6.4.1 时空数据存储模式的发展 113

    6.4.2 时空索引和编码技术 114

    6.5 应用1：基于HBase的时空轨迹数据存储与管理 118

    6.5.1 时空轨迹数据存储管理方法概述 118

    6.5.2 系统实现及关键技术 119

    6.5.3 实验结果及分析 122

    6.6 应用2：基于MongoDB的海量地图瓦片服务 125

    6.6.1 地图瓦片服务 125

    6.6.2 系统实现及关键技术 126

    6.6.3 实验结果及分析 128

    参考文献 132

    第7章 时空大数据可视化 134

    7.1 时空大数据可视化概述 1347.1.1 时空大数据可视化特征 134

    7.1.2 时空大数据可视化流程 135

    7.1.3 时空大数据可视化发展概况 135

    7.2 LOD技术 137

    7.2.1 LOD概述 137

    7.2.2 LOD构建方法 138

    7.3 分布式内存计算框架 139

    7.3.1 Spark简介 139

    7.3.2 Spark内存数据抽象 141

    7.3.3 Spark计算模式 141

    7.4 应用1：海量LiDAR点云数据可视化系统 143

    7.4.1 点云数据可视化 143

    7.4.2 系统实现及关键技术 144

    7.4.3 实验结果及分析 147

    7.5 应用2：海量POI数据可视化系统 150

    7.5.1 POI数据可视化背景 150

    7.5.2 系统实现及关键技术 151

    7.5.3 实验结果及分析 157

    参考文献 160

    第8章 分布式地理时空过程模拟 162

    8.1 地理过程模拟概述 162

    8.1.1 地理系统与地理过程 162

    8.1.2 地理过程模拟 163

    8.2 地理过程模拟模型 164

    8.2.1 地理元胞自动机 164

    8.2.2 多智能体模型 165

    8.3 地理过程分布式模拟 167

    8.3.1 并行CA模拟 167

    8.3.2 并行ABM模拟 168

    8.4 应用1：实时信息支持下大规模微观交通过程模拟 169

    8.4.1 微观交通过程模拟 169

    8.4.2 大规模微观交通过程分布式模拟 170

    8.4.3 实验结果及分析 173

    8.5 应用2：基于元胞自动机的分布式林火蔓延模拟 176

    8.5.1 林火蔓延模型 176

    8.5.2 分布式林火蔓延模拟 177

    8.5.3 实验结果及分析 179

    参考文献 181

    第9章 高性能计算支持的深度学习与时空计算 185

    9.1 高性能计算与人工智能 185

    9.2 深度学习概述 188

    9.2.1 卷积神经网络 189

    9.2.2 图卷积神经网络 191

    9.2.3 循环神经网络 194

    9.3 深度学习框架与分布式学习 195

    9.3.1 典型深度学习框架 195

    9.3.2 分布式学习 197

    9.4 应用1：基于分布式学习的遥感影像道路提取 201

    9.4.1 基于遥感影像的道路提取模型 201

    9.4.2 基于全卷积网络的高分辨率遥感影像道路提取 202

    9.4.3 实验结果及分析 203

    9.5 应用2：基于路网划分的大规模交通过程并行预测 209

    9.5.1 交通预测模型 209

    9.5.2 基于路网划分的大规模交通并行预测 210

    9.5.3 实验结果及分析 213

    参考文献 216
  • 内容简介:
    《高性能时空计算及应用》综合地理信息科学、计算机科学等领域知识，结合团队积累的研究案例，对高性能时空计算的理论、方法进行总结和凝练，可以指导海量时空数据处理、分析、挖掘等具体实践。《高性能时空计算及应用》共9章。第1章阐述高性能时空计算的现状及发展趋势；第2章介绍并行计算的基本概念、通用流程、评价方法等；第3～5章分别介绍多核、集群、众核环境下的时空分析算法设计与案例；第6章结合云计算的理论介绍时空大数据的存储与管理，包括分布式文件系统/非关系数据库下时空剖分、时空索引、查询访问等关键技术；第7章结合内存计算的理论介绍时空大数据的处理与可视化，具体包括时空大数据LOD方法、大规模POI数据/点云数据的可视化案例等；第8章介绍大规模时空过程模拟的方法与案例，包括元胞自动机、多智能体模型并行化及不同领域的应用；第9章介绍深度学习与时空计算的融合，结合具体案例讲述高性能计算支持的时空智能分析。
  • 目录:
    目录

    第1章 高性能时空计算现状及趋势 1

    1.1 背景 1

    1.2 时空大数据 1

    1.3 高性能软硬件发展概况 3

    1.3.1 硬件架构 3

    1.3.2 典型的高性能计算模型及框架 5

    1.4 时空大数据并行处理与分析进展 7

    1.4.1 时空大数据存储与管理 7

    1.4.2 时空大数据并行分析 10

    1.4.3 时空大数据挖掘 12

    1.5 当前研究发展趋势 14

    参考文献 14

    第2章 并行计算基础 18

    2.1 并行计算概述 18

    2.1.1 并行计算基本概念 18

    2.1.2 并行计算环境分类 19

    2.2 并行程序设计方法 22

    2.2.1 并行计算实现模式 22

    2.2.2 并行算法设计过程 23

    2.3 并行程序性能评价 28

    2.3.1 加速比及效率 28

    2.3.2 阿姆达尔定律 28

    2.4 并行程序设计案例 29

    参考文献 31

    第3章 多核计算支持的时空分析算法设计 32

    3.1 多核计算概述 32

    3.2 多核CPU发展 32

    3.3 多线程开发模型 34

    3.3.1 PThreads 35

    3.3.2 OpenMP 37

    3.3.3 Intel TBB 39

    3.4 应用1：基于并行流水线的IDW空间插值 40

    3.4.1 空间插值 40

    3.4.2 基于并行流水线的IDW插值 42

    3.4.3 实验结果 44

    3.5 应用2：大规模点云的并行不规则三角网构建 45

    3.5.1 Delaunay三角网 45

    3.5.2 基于分治和并行流水线计算的并行Delaunay三角网构建 47

    3.5.3 实验结果 50

    参考文献 51

    第4章 基于集群的时空分析算法设计 52

    4.1 集群计算概述 52

    4.2 集群的体系结构 52

    4.2.1 集群的分类 53

    4.2.2 集群开发模型 53

    4.3 MPI并行编程 54

    4.3.1 MPI简介 54

    4.3.2 消息通信模式 57

    4.4 应用1：基于MPI的k-均值聚类算法 60

    4.4.1 k-均值聚类（k-means）算法简介 60

    4.4.2 基于MPI的k-means聚类 60

    4.4.3 实验结果及分析 63

    4.5 应用2：基于MPI的克里金插值 65

    4.5.1 克里金插值简介 65

    4.5.2 基于MPI的分布式克里金插值 66

    4.5.3 实验结果及分析 68

    参考文献 70

    第5章 基于GPGPU的时空分析算法设计 72

    5.1 众核计算概述 72

    5.2 GPU技术发展 73

    5.2.1 GPU体系架构变迁 73

    5.2.2 现代GPU体系架构 74

    5.2.3 GPGPU开发模型 78

    5.3 CUDA模型 79

    5.3.1 CUDA编程模型 79

    5.3.2 CUDA加速库 85

    5.4 应用1：基于CUDA的河网提取 87

    5.4.1 河网提取算法 87

    5.4.2 基于CUDA的河网提取实验 89

    5.4.3 实验结果及分析 91

    5.5 应用2：基于CUDA的Bellman-Ford*短路径搜索 92

    5.5.1 Bellman-Ford*短路径算法 92

    5.5.2 基于CUDA的Bellman-Ford*短路径搜索 93

    5.5.3 实验结果及分析 94

    参考文献 95

    第6章 时空大数据分布式存储与管理 97

    6.1 云计算概述 97

    6.1.1 云计算的定义 97

    6.1.2 云计算的特征 98

    6.1.3 主流云计算平台及产品 99

    6.2 分布式文件系统 100

    6.2.1 分布式文件系统概述 100

    6.2.2 典型分布式文件系统 101

    6.2.3 HDFS简介 102

    6.3 分布式NoSQL数据库 103

    6.3.1 分布式NoSQL数据库概述 103

    6.3.2 文档数据库MongoDB 107

    6.3.3 列族数据库HBase 110

    6.4 时空数据组织与管理关键技术 113

    6.4.1 时空数据存储模式的发展 113

    6.4.2 时空索引和编码技术 114

    6.5 应用1：基于HBase的时空轨迹数据存储与管理 118

    6.5.1 时空轨迹数据存储管理方法概述 118

    6.5.2 系统实现及关键技术 119

    6.5.3 实验结果及分析 122

    6.6 应用2：基于MongoDB的海量地图瓦片服务 125

    6.6.1 地图瓦片服务 125

    6.6.2 系统实现及关键技术 126

    6.6.3 实验结果及分析 128

    参考文献 132

    第7章 时空大数据可视化 134

    7.1 时空大数据可视化概述 1347.1.1 时空大数据可视化特征 134

    7.1.2 时空大数据可视化流程 135

    7.1.3 时空大数据可视化发展概况 135

    7.2 LOD技术 137

    7.2.1 LOD概述 137

    7.2.2 LOD构建方法 138

    7.3 分布式内存计算框架 139

    7.3.1 Spark简介 139

    7.3.2 Spark内存数据抽象 141

    7.3.3 Spark计算模式 141

    7.4 应用1：海量LiDAR点云数据可视化系统 143

    7.4.1 点云数据可视化 143

    7.4.2 系统实现及关键技术 144

    7.4.3 实验结果及分析 147

    7.5 应用2：海量POI数据可视化系统 150

    7.5.1 POI数据可视化背景 150

    7.5.2 系统实现及关键技术 151

    7.5.3 实验结果及分析 157

    参考文献 160

    第8章 分布式地理时空过程模拟 162

    8.1 地理过程模拟概述 162

    8.1.1 地理系统与地理过程 162

    8.1.2 地理过程模拟 163

    8.2 地理过程模拟模型 164

    8.2.1 地理元胞自动机 164

    8.2.2 多智能体模型 165

    8.3 地理过程分布式模拟 167

    8.3.1 并行CA模拟 167

    8.3.2 并行ABM模拟 168

    8.4 应用1：实时信息支持下大规模微观交通过程模拟 169

    8.4.1 微观交通过程模拟 169

    8.4.2 大规模微观交通过程分布式模拟 170

    8.4.3 实验结果及分析 173

    8.5 应用2：基于元胞自动机的分布式林火蔓延模拟 176

    8.5.1 林火蔓延模型 176

    8.5.2 分布式林火蔓延模拟 177

    8.5.3 实验结果及分析 179

    参考文献 181

    第9章 高性能计算支持的深度学习与时空计算 185

    9.1 高性能计算与人工智能 185

    9.2 深度学习概述 188

    9.2.1 卷积神经网络 189

    9.2.2 图卷积神经网络 191

    9.2.3 循环神经网络 194

    9.3 深度学习框架与分布式学习 195

    9.3.1 典型深度学习框架 195

    9.3.2 分布式学习 197

    9.4 应用1：基于分布式学习的遥感影像道路提取 201

    9.4.1 基于遥感影像的道路提取模型 201

    9.4.2 基于全卷积网络的高分辨率遥感影像道路提取 202

    9.4.3 实验结果及分析 203

    9.5 应用2：基于路网划分的大规模交通过程并行预测 209

    9.5.1 交通预测模型 209

    9.5.2 基于路网划分的大规模交通并行预测 210

    9.5.3 实验结果及分析 213

    参考文献 216
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
12
相关图书 / 更多
高性能时空计算及应用
高性能高分子材料
韦本辉
￥90.18 起
高性能时空计算及应用
高性能之道: SRE视角下的运维架构实践
王力
￥42.00 起
高性能时空计算及应用
高性能MySQL（第4版）
[美]Silvia Botros(西尔维亚·博特罗斯；Jeremy Tinley(杰里米·廷利
￥28.00 起
高性能时空计算及应用
高性能齿轮精密数控加工理论与技术
王时龙；李国龙；曹华军
￥75.20 起
高性能时空计算及应用
高性能精量排种理论与技术
王金武；唐汉
￥143.00 起
高性能时空计算及应用
高性能Linux网络编程核心技术揭秘
朱文伟 李建英
￥47.50 起
高性能时空计算及应用
高性能超标量CPU：微架构剖析与设计
李东声 编著
￥30.00 起
高性能时空计算及应用
高性能磷酸锰铁锂电池材料——制备、表征与应用
梁广川 主编；王丽 副主编；张克强
￥111.90 起
高性能时空计算及应用
高性能计算机体系结构
吴迪；卢宇彤；杜云飞；陈志广；胡淼
￥40.88 起
高性能时空计算及应用
高性能并行运行时系统：设计与实现 [美]迈克尔·克莱姆
[美]迈克尔·克莱姆；[美]吉姆·考尼
￥47.52 起
高性能时空计算及应用
高性能复合纤维材料混凝土结构设计与施工
江世永；周建庭；飞渭；李炳宏
￥29.28 起
高性能时空计算及应用
高性能Java系统权威指南
李家智
￥35.00 起
您可能感兴趣 / 更多
高性能时空计算及应用
传统疗法实用技术手册
关雪峰；杨关林
￥37.72 起
高性能时空计算及应用
投资人教你用8个BP融资
关雪峰 著
￥6.00 起
高性能时空计算及应用
论中医“四明”文化观
关雪峰 著
￥5.00 起
高性能时空计算及应用
康复科诊疗全书
关雪峰
￥267.00 起
高性能时空计算及应用
社区健康俱乐部·养生保健对话
关雪峰 著
￥14.07 起
高性能时空计算及应用
角色决定命运：30分钟快速了解一个人
关雪峰、郭蓉晖 著
￥0.90 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全