中国科学技术大学：《并行计算 Parallel Computing》课程教学资源（讲义）各章小结

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性

 分布式并行编程：编程方式的变革  MapReduce模型概述  Map和Reduce函数  MapReduce工作流程  并行计算的实现  实例分析：WordCount  新MapReduce框架Yarn

长期以来,快速傅氏变换(Fast Fourier Transform)和离散小波变换(Discrete Wavelet Transform)在数字信号处理、石油勘探、地震预报、医学断层诊断、编码理论

在实际的工程计算中,经常会遇到求n阶方阵A的特征值(Eigenvalue)与特征向量 Eigenvector)的问题。对于一个方阵A,如果数值λ使方程组 Ax=x 即(A-In)x=0有非零解向量(Solution Vector)x,则称λ为方阵A的特征值,而非零向量x为 特征值λ所对应的特征向量,其中In为n阶单位矩阵

在求解线性方程组(System of Linear Equations)的算法中,有两类最基本的算法,一类 是直接法,即以消去为基础的解法。如果不考虑误差的影响,从理论上讲,它可以在固定 步数内求得方程组的准确解。另一类是迭代解法,它是一个逐步求得近似解的过程,这种 方法便于编制解题程序,但存在着迭代是否收敛及收敛速度快慢的问题

计算几何是计算机科学中的一个分支,是专门研究有关几何对象问题的。它在图像分 析、模式识别、计算机图形学等中应用甚广。本章主要介绍几个基本计算几何问题的简单 并行算法和它们的MPI编程实现,包括包含问题、相交问题和凸壳问题等

图论在计算机科学、信息科学、人工智能网络理论、系统工程、控制论、运筹学和 经济管理等领域有着广泛的应用。但很多图论问题虽易表达,却难以求解,其中有相当多 的图论问题均属NP完全问题。本章主要介绍工程实用简单图论问题的并行算法及其MP 编程实现,包括传递闭包、连通分量、最短路径和最小生成树等

1排序 排序是数据处理中经常使用的一种重要运算,如何进行排序,特别是如何进行高效的 排序,是计算机应用中的重要课题。排序的对象一般是一组记录组成的文件,而记录则是 由若干数据项组成,其中的一项可用来标志一个记录,称为关键字项,该数据项的值称为 关键字 所谓排序,就是要整理文件中的记录,使得它按关键字递增(或递减)的次序排列起来