基于GPU并行的自适应基数树动态索引方法.pdf
光誉****君哥
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于GPU并行的自适应基数树动态索引方法.pdf
本发明提供一种基于GPU并行的自适应基数树动态索引方法。首先构建自适应基数树数据结构,前两层创建Node256类型的树节点,第三、四层的创建基于高位优先的基数排序方法,根据分支的数量创建能容下对应大小的树节点,实现动态数据结构的创建,可以保证在原批数据中最新的更新在进行排序后仍旧是在旧的更新后面,然后去重操作,去掉多余的旧更新保留最新的更新,去重之后再把每一段无重复数据的序列插入该段对应的节点内,完成对整个自适应基数树的创建,其次基于GPU并行计算能力,可以并行进行对数据的插入、查询、删除操作。
一种基于GPU的八叉树并行构建方法.pdf
本发明公开了一种基于GPU的八叉树并行构建方法,在需要进行渲染的模型空间的三个坐标轴上分别选取若干个采样分割点,计算每个采样分割点的SAH花费,然后选取每个坐标轴上SAH花费最小的分割点,将选取的这三个分割点作为分割平面,对模型空间中的场景数据逐级进行划分,直至划分到每个节点所含面片数不多于10个。本发明由于在三个维度上同步进行基于SAH的选择划分,使得这个改良后的八叉树结构质量更高,大大减少了无效的遍历和相交操作,尤其适合大光线包的遍历。
基于GPU的自适应曲面细分方法.pdf
基于GPU的自适应曲面细分方法涉及计算机图形学领域。现存的细分方法,随着细分的进行,顶点和边的数量会急剧增加,实际情况是,在细分迭代数次后,某些区域(如较平坦部分或者初始控制网格较稠密的部分)其控制网格已较好地逼近极限细分曲面,而在另外一些区域(如曲率变化较大的部分)其控制网格还比较粗糙,需要继续细分。为了减少不必要的计算资源的浪费,自适应的曲面细分算法就很重要了。本发明有效的解决曲面光滑度和数据量之间的矛盾,使得在保证曲面细分显示效果的前提下提高渲染帧率。采取了两种基于三角形面片的细分模式:PN三角形和
基于GPU的改进SM4并行加解密通信方法.pdf
本发明公开了一种基于GPU的改进SM4并行加解密通信方法,该加解密方法包括:使用AES-128密钥扩展算法生成SM4加密算法所需的扩展子密钥;改进SM4加密算法中的轮函数;利用GPU的并行计算能力,将改进SM4加密算法改进成并行加密的形式。采用本发明加解密通信方法,能够有效的提高安全性和实现的速度,能够对数据进行实时并行加密,提高了加密速度,从而保证数据流正常的传输,降低处理延迟。
基于语义树的索引方法和系统.pdf
本发明主要涉及全文搜索领域,公开了一种构建语义树,并提供基于语义树的索引方法和系统。按语句中的文字的顺序对语句进行增量散列编码处理,形成特定的语义信息编码,存储前置语义特征信息,文字和语义特征,构建语义树;通过语义树,语义树和文档关联表,和文档的存储,建立基于语义的索引基础,提供基于语义树的全文搜索引擎。本发明的优点是不再依赖于分词服务,存储空间小,查询速度快等特点,适合文字信息的全文索引,和基于语义树的语义理解和处理。