阅读论文2

本篇要读的论文是Recent Developments in Parallel and Distributed Computing for Remotely Sensed Big Data Processing

Recent Developments in Parallel and Distributed Computing for Remotely Sensed Big Data Processing

遥感大数据处理的并行和分布式计算的最新发展

---

只要介绍多种并行方法，现在的流行的gpu的各种实现
这些方法好像都是对遥感图像的实现

遥感图像是通过遥感技术获取的图像，这种技术使用飞机、卫星或其他飞行器上的传感器来从空中收集地球表面的数据。这些图像通常用于监测和分析地球表面的各种现象和变化。
遥感图像可以涵盖不同的波段，包括可见光、红外线、微波等。每种波段可以提供不同的信息

对于多核cpu的解决方案

Tzeng等人[61]提出了一种并行差分盒计数(DBC)算法来分类遥感图像。并行方法在多核CPU上实现。
Bernabé等人[62]在多核CPU上开发了用于遥感高光谱图像的并行解混链方法。
李等[40]设计了一种用于遥感图像分类的并行多类支持向量机(MMSVM)。

通过充分利用多核CPU提供的并行计算能力，可以实现显著的加速。算法的独立计算操作在多核上并行执行，从而可以在不损失精度的情况下提高计算效率。为了实现更大的加速，研究人员采用GPU来实现并行算法，因为与CPU相比，GPU通常拥有更多内核，能够更好地完成并行计算

单GPU解决方案

Tan等人[63]提出了一种用于遥感图像分类的并行特征提取方法，称为高斯-伯努利约束玻尔兹曼机。
Zhang等人[64]提出了一种并行遥感图像重建算法。
Jiménez等人[67]介绍了一种用于高光谱图像解混的并行空间-光谱预处理算法。
Jaramago等人[68]开发了一种并行双深度稀疏概率潜在语义分析算法，用于分解遥感高光谱数据
。。。

---

看不下去，感觉和自己方向完全不对，下一篇