导读:本文包含了矩阵存储论文开题报告文献综述及选题提纲参考文献，主要关键词:稀疏矩阵,伪地址存储结枃,快速转置算法
矩阵存储论文文献综述
任志国,侯永艳[1]（2019）在《基于伪地址存储结构的稀疏矩阵快速转置算法》一文中研究指出设计了稀疏矩阵的叁元组压缩存储结构和伪地址压缩存储结构,讨论了不规则稀疏矩阵的转置技术,主要研究了稀疏矩阵的快速转置算法,第一次提出了稀疏矩阵上一种新的转置算法——基于伪地址存储结构的稀疏矩阵快速转置算法。希望该结论对工业控制和数据压缩存储研究工作者提供一般性结论。(本文来源于《工业仪表与自动化装置》期刊2019年05期）
陈宽录[2]（2019）在《浅析矩阵存储系统素材读写速度》一文中研究指出随着高清数字技术的高速发展,素材信息的存储量也大大增加,对素材信息文件的读写速度和存储容量的要求也显着提高,因此诞生了矩阵存储系统。本文主要对矩阵存储技术中的"CIFS"文件共享服务进行分析,得出以下结论:对于服务器数量较多的场合,为方便使用,矩阵存储器多个千兆网口选择均衡(balance)的"alb"无需交换机支持的负载均衡方式"时,才能获得最大读写速度和最高使用效率。(本文来源于《卫星电视与宽带多媒体》期刊2019年19期）
杨世伟,蒋国平,宋玉蓉,涂潇[3]（2019）在《基于GPU的稀疏矩阵存储格式优化研究》一文中研究指出稀疏矩阵存储格式中的稀疏矩阵向量乘(SpMV)计算效率低下,且分块行列(BRC)存储格式的计算结果缺少再现性和确定性。为此,提出一种改进的BRCP存储格式。采用不同的二维分块策略,根据矩阵各行非零元素分布的统计特性自适应调节分块参数,提高SpMV在GPU平台上的并行性,并设计基于快速分段求和算法的GPU内核函数,保证计算结果的确定性及其在不同GPU平台上的再现性。实验结果表明,BRCP存储格式具有较高的计算效率,相比BRC存储格式可减少并行环境中的SpMV计算误差,并提高PageRank排序的准确率。(本文来源于《计算机工程》期刊2019年09期）
许泽东[4]（2019）在《基于边的有限元矩阵存储技术及其在岩土工程高性能计算中的应用》一文中研究指出大型线性方程组的求解是进行岩土工程有限元计算的核心技术之一,当采用迭代技术进行线性方程组求解时,计算时间开销最大的部分是矩阵矢量相乘运算,故如何提高矩阵矢量相乘的计算效率对提高大型线性方程组的求解效率至关重要。本文从影响矩阵矢量相乘效率的两个主要方面——矩阵存储格式和求解计算基于的硬件平台进行研究,通过数值试验研究存储格式和并行化处理对求解效率的影响。本文的主要研究内容及相应结论如下:(1)提出了一种新的基于边的刚度矩阵生成方法——直接生边法(简称为DEMG法),通过对不同网格类型进行评测发现,对于叁角形单元和四面体单元,该方法与现有方法相比可实现约20%的计算效率提升。(2)根据现有基于边的矩阵存储(简称为EDS存储)技术的基本原理,通过引入快速排序思想,进行重复边的刚度矩阵的迭加,实现了基于边的有限元刚度矩阵的存储及线性方程组的快速求解。(3)测试有限元程序在串行、CPU多线程并行及GPU-CPU混合架构上,单元类型和存储格式对计算效率的影响。测试结果发现:EDS存储格式在内存占用方面优势明显,但由于其间接寻址操作较多,故其求解效率并未能达到理论上的最佳状态;在单元类型选择方面,EDS存储格式的性能对单元类型依赖性强,推荐结合四面体网格使用EDS存储格式来获得最佳的计算性能。本文通过研究EDS存储技术,并在不同平台上与现有单元接单元(EBE)存储和压缩稀疏列(CSC)存储技术对比,对在不同计算框架、不同单元类型时如何选择存储格式给出了相应的建议,以期为后续研究提供参考。(本文来源于《北京交通大学》期刊2019-04-01）
纪国良,丁勇,周曼,冯仰德[5]（2018）在《工程计算中大型稀疏矩阵存储方法研究》一文中研究指出在工程实际中,许多问题都可以归结为数值法求解偏微分方程(组)的问题.偏微分方程数值解法主要包括有限差分法、有限元法和有限体积法,其中大多数方法都是通过离散的方式将方程转化为线性方程组,通过求解线性系统得到原方程的数值解.在这个过程中,线性方程组的系数矩阵通常很大并且很稀疏,会占用大量存储空间并使方程组难以求解.针对这个问题,本文研究大型稀疏矩阵的压缩存储方法,只存储非零元素,降低存储空间消耗,避免零元素参与计算,提升计算效率.具体来说,在稀疏矩阵生成过程中,使用十字链表法存储,可以在常数时间内完成非零元素的插入操作;在方程组求解过程中,使用按行(列)压缩存储方法,既节约存储空间,又可以提高求解器的求解效率.在实验部分,本文分别使用有限差分法求解Laplace方程和有限元法计算圆环截面应力分布问题,对其中大型稀疏线性方程组的系数矩阵,采用十字链表法和按行(列)压缩存储法存储,使用直接法和迭代法求解线性方程组.实验结果显示,对于结构化和非结构化的稀疏矩阵,压缩存储方法不仅能够大幅度减少内存空间的占用,而且能够显着提升求解器的效率.(本文来源于《数值计算与计算机应用》期刊2018年03期）
程凯,田瑾,马瑞琳[6]（2018）在《基于GPU的高效稀疏矩阵存储格式研究》一文中研究指出针对基于GPU求解大规模稀疏线性方程组的问题,提出一种稀疏矩阵的存储格式HEC,并应用该格式在统一计算设备架构(CUDA)平台上实现不完全LU分解的预条件共轭梯度(ILUCG)法。该存储格式由ELL与CSR格式混合而成,将其以调用GPU kernel的方式实现ILUCG法并应用于大型稀疏线性系统的求解中,可提高稀疏矩阵的存储效率,减少稀疏矩阵与向量乘(SpMV)的运算时间。实验结果表明,与目前广泛使用的基于CSR和HYB存储格式并调用CUSPARSE库函数的实现方式相比,该实现方式最优可得10.4%的加速效果,并且具有良好的SpMV运算性能。(本文来源于《计算机工程》期刊2018年08期）
邬恩杰,张静[7]（2017）在《基于伪地址压缩存储结构的稀疏矩阵基本运算的实现》一文中研究指出伪地址存储结构是大型稀疏矩阵压缩存储的一种顺序存储结构。文中阐述了此存储结构,并实现了基于此存储结构的查找算法、矩阵相加及转置等算法,并对各算法性能进行分析。(本文来源于《河套学院论坛》期刊2017年03期）
吴海涛,郭丽红,杨洁[8]（2018）在《基于矩阵存储的XML相似度检测算法》一文中研究指出以完成对杂乱无章的XML文档进行自动分类为目的,提出了一种基于下叁角矩阵的XML文档表示方法,经过数学建模后,XML文档间的相似度比较问题转换成了矩阵之间的相似度计算。为了验证其执行效果,在采用该算法进行相似度计算的基础上,运用最近邻分类算法对XML测试文档集进行自动分类。实验结果表明,这种基于矩阵存储的XML相似度计算方法应用于分类中效果良好。(本文来源于《计算机应用研究》期刊2018年07期）
谢佩珍[9]（2016）在《适合向量化的稀疏矩阵存储格式研究》一文中研究指出稀疏矩阵向量乘(SpMV)(y=A*x)广泛用于科学计算和工程计算中,如大规模线性代数系统的求解,粒子输运模拟,流体动力学偏微分方程的求解,天体物理学和偏微分问题等。它被归类为“七个小矮人”的成员,即被认为在下一个十年最重要的数值方法之一。因此对于稀疏矩阵向量乘(SpMV)及其优化技术的研究有助于提升解决相关领域问题的运算效率,有着巨大的研究价值与意义。由于稀疏矩阵含有大量零元素,这直接导致SpMV访存的不规则性和差的浮点性能。SpMV访存的不规则性不仅使得计算平台在进行稀疏矩阵向量乘运算时很难充分使用向量单元进行加速,并且还会增加Cache未命中次数。由于稀疏矩阵自身的特点,使得稀疏矩阵向量乘运算的实现对稀疏矩阵的存储格式依赖十分严重。针对目前主流的稀疏矩阵存储格式CSR,本文提出了新的适合向量化的稀疏矩阵存储格式CSR(r),CSR(r,l1,l2),BCSR(r,l1,l2)。本文的主要工作总结如下:(1)查阅并研究国内外现有优化技术,从面向计算体系结构的优化方面入手,论述、总结并归纳了在该方向上现有优化技术的优势与不足,从而为本文的研究提供了基本的研究方向。(2)对目前主流存储格式CSR进行改进,提出了新的适合向量化的稀疏矩阵存储格式CSR(r),CSR(r,l1,l2)。与传统格式CSR相比,CSR(r)、CSR(r,l1,l2)的性能分别提高了45%,49%。(3)将CSR(r,l1,l2)向量化存储格式与块存储格式相结合,提出二维的稀疏矩阵存储格式BCSR(r,l1,l2)。与传统格式CSR相比,BCSR(r,l1,l2)的性能提高了66%。(4)对本文的上述方面研究作了总结性的概括,给出了本课题今后的研究方向,展望并提出下一步工作。(本文来源于《国防科学技术大学》期刊2016-12-01）
张静,邬恩杰[10]（2016）在《基于正交链表存储结构的稀疏矩阵相乘算法的实现》一文中研究指出正交链表存储结构是大型稀疏矩阵压缩存储的一种较好的链式存储结构。实现了基于正交链表存储结构的大型稀疏矩阵相乘算法并应用C++类模板对类中参数进行抽象化,从而提高程序代码的复用性。(本文来源于《河套学院学报》期刊2016年03期）
矩阵存储论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着高清数字技术的高速发展,素材信息的存储量也大大增加,对素材信息文件的读写速度和存储容量的要求也显着提高,因此诞生了矩阵存储系统。本文主要对矩阵存储技术中的"CIFS"文件共享服务进行分析,得出以下结论:对于服务器数量较多的场合,为方便使用,矩阵存储器多个千兆网口选择均衡(balance)的"alb"无需交换机支持的负载均衡方式"时,才能获得最大读写速度和最高使用效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
矩阵存储论文参考文献
[1].任志国,侯永艳.基于伪地址存储结构的稀疏矩阵快速转置算法[J].工业仪表与自动化装置.2019
[2].陈宽录.浅析矩阵存储系统素材读写速度[J].卫星电视与宽带多媒体.2019
[3].杨世伟,蒋国平,宋玉蓉,涂潇.基于GPU的稀疏矩阵存储格式优化研究[J].计算机工程.2019
[4].许泽东.基于边的有限元矩阵存储技术及其在岩土工程高性能计算中的应用[D].北京交通大学.2019
[5].纪国良,丁勇,周曼,冯仰德.工程计算中大型稀疏矩阵存储方法研究[J].数值计算与计算机应用.2018
[6].程凯,田瑾,马瑞琳.基于GPU的高效稀疏矩阵存储格式研究[J].计算机工程.2018
[7].邬恩杰,张静.基于伪地址压缩存储结构的稀疏矩阵基本运算的实现[J].河套学院论坛.2017
[8].吴海涛,郭丽红,杨洁.基于矩阵存储的XML相似度检测算法[J].计算机应用研究.2018
[9].谢佩珍.适合向量化的稀疏矩阵存储格式研究[D].国防科学技术大学.2016
[10].张静,邬恩杰.基于正交链表存储结构的稀疏矩阵相乘算法的实现[J].河套学院学报.2016