基于MapReduce模型的生物量遥感并行反演方法研究

基于MapReduce模型的生物量遥感并行反演方法研究

付天新，刘正军，闫浩文

MapReduce 模型是一种基于云计算平台下新型的并行编程模型。文中MapReduce 并行编程模型应用到遥感影像并行化处理中，以2005—2009 年5a生长季期( 5—10 月) MODIS13Q1 数据产品为数据源，对青海省三江源地区的生物量( 草地总生物量和可食草量) 进行并行化反演，研究基于该模型的生物量遥感并行反演方法。实验分析结果表明: 基于该模型的并行生物量遥感反演结果与经过精度验证的串行反演结果一致，并行化反演结果准确、可信; 并行化反演效率较串行化反演效率有大幅提高，并随着计算节点的增加，并行效率不断提高。

关键词: 云计算; MapReduce 模型; 生物量; 并行计算

temp_12121308295363.rar

时间： 2024-12-13 14:18:07

基于MapReduce模型的生物量遥感并行反演方法研究的相关文章

基于MapReduce模型的排序算法优化研究

基于MapReduce模型的排序算法优化研究 金菁 MapReduce已经发展成为大数据领域标准的并行计算模型.理想情况下,一个MapReduce系统应该使参与计算的所有节点高度负载均衡,并且最小化空间使用率.CPU和I/O的使用时长以及网络传输开销.传统的算法往往只针对上述指标中的一种进行优化.在保持算法良好并行性基础上,对多个指标同时进行优化,提出了MapReduce优化算法的设计规范.针对数据处理领域最重要的排序算法进行理论分析,给出了多指标约束下的最后算法,并证明了该优化算法满足MapR

基于MapReduce模型的间歇性能源海量数据处理技术

基于MapReduce模型的间歇性能源海量数据处理技术 梅华威 米增强 吴广磊 针对传统间歇性能源海量数据处理技术的局限性,提出了基于MapReduce模型的间歇性能源海量数据处理技术,利用廉价的商用计算机组成集群,对海量数据进行并行处理,确保了海量数据处理的可靠性.低成本.高效能和扩展性,并对该技术的平台实现进行了论述.最后通过实验对比不同数据平台下海量数据处理的效率,验证了基于MapReduce模型的间歇性能源海量数据处理技术的高效性. 基于MapReduce模型的间歇性能源海量数据处理技术

基于MapReduce模型的电力数据并行化的异常检测

基于MapReduce模型的电力数据并行化的异常检测 许元斌 钟小强 王丹 李春生 提出了基于MapReduce计算模型的电力数据异常检测的并行化设计,实现了多个计算节点对海量的电力数据进行并行化的异常发现,从而快速发现存在异常的采集点. 基于MapReduce模型的电力数据并行化的异常检测

基于Hadoop的遥感数字图像处理方法研究

基于Hadoop的遥感数字图像处理方法研究 东北师范大学   周涛 本文基于Hadoop云计算系统,主要利用并行编程框架MapReduce实现遥感数字图像的增强处理以及对增强后图像进行聚类,并与PC串行处理进行比较研究.针对遥感数字图像的整体亮度偏低.目视效果较差的特点,传统的图像增强方法在遥感数字图像上的处理无法达到人眼舒适的目视判读的效果,以及影响后续处理的问题,本文在无损增强方法的基础上进行了改进,使得原始图像的有效图像区域的无效像素点能够参与增强,实验结果表明该方法达到了很好的目视效果.

基于MapReduce的序列规则在推荐系统中的研究

基于MapReduce的序列规则在推荐系统中的研究 元二菊  郭进伟  皮建 目前常用的个性化推荐系统模型通常是基于协同过滤或者是基于内容的,也有部分基于关联规则的.这些算法没有考虑事务间的顺序,然而在很多应用中这样的顺序很重要.文章提出了一种简易的基于序列模式的推荐模型,并且考虑到大规模数据的处理,结合了 MapReduce 编程模型.这种简易的推荐模型可以用来辅助通常的个性化推荐系统. 基于MapReduce的序列规则在推荐系统中的研究

利用MapReduce模型训练支持向量机的人脸识别方法

利用MapReduce模型训练支持向量机的人脸识别方法 童小念  文卫蔚 为了在移动互联网中快速识别人脸图像,提出了利用云计算服务端的MapReduce模型训练支持向量机(SVM)进行人脸识别的方法.实验结果表明:该算法在保证人脸识别率的前提下,明显提升了支持向量机的训练速度.该算法对于移动互联网环境下的人脸识别有一定的实用价值. 关键词: 人脸识别 支持向量机 MapReduce模型 主成分分析 利用MapReduce模型训练支持向量机的人脸识别方法

基于嵌入式多处理器的轻量级MapReduce模型研究

基于嵌入式多处理器的轻量级MapReduce模型研究 随着近年来云计算的快速发展以及多核处理器核心数的快速增长,并行开发技术的应用也越来越普遍.各种并行开发技术如MPI.OpenMP等已经非常成熟的应用于各个领域,并且在Google的MapReduce编程模型的带动下出现了很多基于MapReduce模型的开发框架,如Phoenix.Metis.Hadoop等,但是Phoenix和Metis是基于共享内存架构实现的,不能用于分布式集群,而Hadoop集群部署在嵌入式环境下的执行效率不高.因此目前还

一种基于MapReduce的并行聚类模型

一种基于MapReduce的并行聚类模型 顾瑞春  王静宇 在对海量数据进行聚类的过程中,传统的串行模式局限性越来越明显,难以在有效时间内得出满意结果的问题,本文提出一种基于Hadoop 平台下MapReduce框架的并行聚类模型.理论和实验结果证明该模型具有接近线速的加速比,针对海量数据具有较高效率. 一种基于MapReduce的并行聚类模型

基于MapReduce的GML并行查询

基于MapReduce的GML并行查询 许斌   关佶红 针对应用地理标记语言(Geography Markup Language,GML)表示的海量空间数据查询问题,提出一种基于MapReduce的GML并行查询方法.通过提取GML空间特征集合,实现GML文档查询到GML空间特征集合查询的查询转化,并利用MapReduce实现空间特征并行查询. 基于MapReduce的GML并行查询