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