【摘要】：隨著全球氣候條件的變化，以及現(xiàn)代農(nóng)業(yè)生產(chǎn)的迅速發(fā)展，對農(nóng)業(yè)氣候資源的分析與應(yīng)用提出了更高的要求�，F(xiàn)代的精細(xì)化農(nóng)業(yè)氣候區(qū)劃中的核心技術(shù)有小網(wǎng)格插值技術(shù)和農(nóng)業(yè)氣候資源區(qū)劃技術(shù)。 小網(wǎng)格插值技術(shù)在氣候資源的分析中得到了廣泛的應(yīng)用。它是基于地理信息系統(tǒng)技術(shù)對各種應(yīng)用領(lǐng)域的相關(guān)信息進(jìn)行精細(xì)化研究的重要手段。小網(wǎng)格插值技術(shù)屬于海量數(shù)據(jù)處理技術(shù)，需要大量的計算時間，無法滿足實時分析的要求。為了提高系統(tǒng)的反應(yīng)時間和信息處理的效率，我們在對小網(wǎng)格插值的關(guān)鍵技術(shù)Kriging算法進(jìn)行并行化研究之后，采用數(shù)據(jù)并行策略和Master/Slave編程模型，并應(yīng)用了動態(tài)負(fù)載均衡技術(shù)來進(jìn)一步提高算法的并行效率。 農(nóng)業(yè)氣候資源區(qū)劃技術(shù)主要有聚類分析、權(quán)重法、專家打分法等。K-means算法是聚類分析中一種基于劃分的聚類算法，常采用偏差作為聚類準(zhǔn)則。它是精細(xì)化農(nóng)業(yè)氣候區(qū)劃中用到的關(guān)鍵聚類技術(shù)。由于小網(wǎng)格插值數(shù)據(jù)信息量大，而且需要進(jìn)行實時聚類及分析，這就需要改進(jìn)經(jīng)典的K-means算法。為了提高傳統(tǒng)K-means算法的聚類精度和運(yùn)行效率，我們提出了兩種新改進(jìn)的算法：CK-means算法和K-means#算法。CK-means算法是一種基于競爭策略的改進(jìn)算法，針對小網(wǎng)格插值數(shù)據(jù)(一維海量數(shù)據(jù))，該算法與經(jīng)典K-means算法具有相同的氣候資源區(qū)劃結(jié)果，但是運(yùn)行效率更加優(yōu)越。目前，該算法已成功地應(yīng)用于精細(xì)化農(nóng)業(yè)氣候區(qū)劃中。K-means#算法采用K-means++算法的“D2seeding”方法來初始聚類中心，并在聚類分析的過程中引入“鄰居聚類中心集”的概念。該算法不僅提高了經(jīng)典K-means算法的聚類精度，而且顯著地加快了其運(yùn)行效率。 為了進(jìn)一步提高聚類分析的執(zhí)行效率，論文同時研究了并行K-means++算法與并行K-means#算法的實現(xiàn)。在研究K-means++算法自身的特點以及各機(jī)器節(jié)點的處理能力的基礎(chǔ)上，采用數(shù)據(jù)并行以及負(fù)載均衡的策略，實現(xiàn)了并行K-means++算法。實驗結(jié)果表明：并行K-means++算法的聚類結(jié)果與串行算法相同，但執(zhí)行效率得到了很大的提高。對于K-means#算法，給出了一種可行的并行化思路和算法流程，為下一步的研究提供有意義的參考。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TP338.6
【圖文】：

計算時間包括 MPI 程序初始化、空間插計數(shù)據(jù)不考慮圖形繪制的計算時間。從并行處理以后，計算速度大大提高。所在計算加速比和并行效率上均取得較好負(fù)載均衡策略的合理性。(3)加速比分析：在使用 2 個 CPU 1.947，在保證任務(wù)分配平衡的情況下，當(dāng)計算用時分別為 56.679 s 和 30.648 s，加并行算法呈近似線性加速。圖 3.3 給出加(4)效率分析：在使用 2 到 4 個 C都比較高，分別為 97.3%和 92.6%，當(dāng)采之間的通信和數(shù)據(jù)傳送需要耗費時間，值過程中，數(shù)據(jù)預(yù)處理與數(shù)據(jù)保存占用的例很小，數(shù)據(jù)的插值處理占用了絕大部分適用于插值精度更高的小網(wǎng)格插值。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 傅抱璞;地形和海拔高度對降水的影響[J];地理學(xué)報;1992年04期

2 李新,程國棟,盧玲;空間內(nèi)插方法比較[J];地球科學(xué)進(jìn)展;2000年03期

3 金微;陳慧萍;;基于分層聚類的k-means算法[J];河海大學(xué)常州分校學(xué)報;2007年01期

4 倪巍偉,陸介平,孫志揮;基于向量內(nèi)積不等式的分布式k均值聚類算法[J];計算機(jī)研究與發(fā)展;2005年09期

5 毛韶陽;李肯立;;優(yōu)化K-means初始聚類中心研究[J];計算機(jī)工程與應(yīng)用;2007年22期

6 陳鵬;王乘;任波;;并行Kriging地層電性參數(shù)分布估計[J];計算機(jī)工程與應(yīng)用;2008年15期

7 尹建君;王樂;;數(shù)據(jù)劃分優(yōu)化的并行k-means算法[J];計算機(jī)工程與應(yīng)用;2010年15期

8 周兵,沈鈞毅,彭勤科;集群環(huán)境下的并行聚類算法[J];計算機(jī)工程;2004年04期

9 陳鵬;任波;郭振崗;王乘;;基于MPI的層狀地層并行可視化技術(shù)[J];計算機(jī)工程;2008年09期

10 陶冶;曾志勇;余建坤;馮濤;;并行k均值聚類算法的完備性證明與實現(xiàn)[J];計算機(jī)工程;2010年22期

本文編號：2804071