并行处理类毕业论文文献有哪些？

    本文是为大家整理的并行处理主题相关的10篇毕业论文文献，包括5篇期刊论文和5篇学位论文，为并行处理选题相关人员撰写毕业论文提供参考。

1.[期刊论文]基于MapReduce并行处理的机电特种设备故障诊断系统设计

期刊：《计算机测量与控制》 | 2021 年第 002 期

摘要：针对直流接地故障检测系统检测结果误差大的问题,提出了基于MapReduce并行处理的机电特种设备故障诊断系统设计;根据系统总体架构,将硬件结构分为故障检测显示单元和数据处理及传输单元;整流电流,使用二极管整流装置设计集流故障检测指示电路;采用多层差分电路获取脉冲信号,以低电平电压位置的故障检测器作为检测点,设计电流突变检测模块;使用DH08型号开关状态检测模块,具有8路交流输入,由此检测设备断电故障;选配6AU1410-0AB00-0AA0型西门子报警模块,对故障点进行报警处理;设计MapReduce执行流程,分析4个MapReduce作业训练过程,计算数据属性特征词在每个故障类中的频率值,由此完成故障诊断;以轴承故障为例,进行实验验证分析;由实验测试结果可知,该系统与实际波形差别较小,其对A相、B相C相电流短路故障诊断的时间点波形变化与实际曲线基本一致,在0A附近波动,说明该方法具有精准检测结果,能够为机电特种设备广泛应用提供设备支持.

关键词：MapReduce；并行处理；机电特种设备；故障诊断

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_computer-measurement-control_thesis/0201288515070.html

---------------------------------------------------------------------------------------------------

2.[期刊论文]基于滑动窗口的流数据并行处理方法

期刊：《重型机械》 | 2021 年第 001 期

摘要：物联网技术和工业互联网的发展,使得在复杂重型装备制造过程,可以采集大量的制造生产数据.为实时监测制造过程,需提高流数据的处理速度.本文通过分析现有的流数据处理引擎,结合基于分区与基于时间两种滑动窗口思想,构建单位时间周期下融合子流处理结果的滑动窗口模型,采取并行实时运算模式实现实时流数据处理.并基于Lambda架构设计了流数据处理平台,将数据处理分成批量处理平台与增量处理平台两部分,以应对数据的多样化需求.最后通过吞吐量和延迟分析,验证了基于滑动窗口的并行流数据处理方法可以满足复杂重型装备实时监测对数据实时性的需求.

关键词：实时监测；流数据；滑动窗口；并行化

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_heavy-machinery_thesis/0201290093260.html

---------------------------------------------------------------------------------------------------

3.[期刊论文]基于并行处理的计算机图像检索技术

期刊：《信息技术与信息化》 | 2021 年第 005 期

摘要：针对当前计算机的快速发展,人们对于图像信息的需求大量增长,为从海量数据中提取出有价值、有用的数据,就必须开发和研究新的图像检索技术.结合理论实践,先简要阐述了计算机检索技术,然后分析了并行处理技术计算机图像检索技术的应用路径,最后提出此项技术的实现方法.分析结果表明,在图像检索中采用先进的并行处理技术,能够大幅度提升图像处理质量和效率,从海量图形数据库中提取出有价值的图形信息,值得大范围推广应用.

关键词：并行处理；计算机；图像检索；应用

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_information-technology-informatization_thesis/0201290102111.html

---------------------------------------------------------------------------------------------------

4.[期刊论文]GPU支持的宽幅遥感影像RPC校正并行处理

期刊：《无线电工程》 | 2021 年第 008 期

摘要：RPC校正是光学遥感影像生产流程中重要的环节,将遥感影像从图像坐标转换到地理坐标.为缩短RPC校正过程的时间,实现影像的近实时处理,使用当前性能一流的GPU(NVIDIA TITAN RTX)实现了宽幅遥感影像的并行RPC校正,GPU为每个需要计算的像素分配线程,完成坐标变换、重采样等计算过程,实现并行处理;并与CPU运算RPC校正过程的效率作对比.实验结果显示,与CPU处理不分块时的RPC校正相比,GPU并行的加速比与遥感影像的数据量有关,数据量越大,则并行加速比越高;并行处理在高分二号多光谱影像和全色影像上的运算加速比分别为3.71,8.27,整体加速比分别为1.59,5.07.该方法能够显著加快遥感影像RPC校正的速率.

关键词：GPU并行；RPC校正；宽幅遥感影像

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_radio-engineering_thesis/0201290366443.html

---------------------------------------------------------------------------------------------------

5.[期刊论文]一种时域-频域并行处理的干扰检测方法

期刊：《无线电通信技术》 | 2021 年第 004 期

摘要：航天测控链路通常面临多种干扰源和多种干扰方式组成的复杂干扰环境,针对测控链路干扰样式及干扰特性,面对在宽频带进行快速高效的干扰检测的实际需求,采用时域-频域并行的干扰检测方法对测控链路干扰进行检测.针对脉冲干扰,在时域采用基于动态门限的能量检测法进行检测;对于非脉冲干扰,在频域采用基于多相FFT技术与区域能量检测相结合的方法进行检测.该检测算法具有消耗可编程门阵列(FPGA)资源少、实时性高、检测门限低和检测概率高、对多种干扰具有通用性等特点,较好地解决了航天测控链路领域干扰检测问题.

关键词：航天测控链路；干扰检测；时域-频域并行

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_radio-communications-technology_thesis/0201290098967.html

---------------------------------------------------------------------------------------------------

6.[学位论文]基于双光反馈VCSEL的储备池计算系统及其并行处理能力的研究

目录    

封面

    声明

    目录

    中文摘要

    英文摘要

    第1章 绪论

        1.1 本论文的研究背景

        1.2 SL-based RC的国内外研究进展

        1.3 本论文研究的主要内容及结构安排

    第2章 基于双光反馈和光注入扰动下VCSEL的储备池计算理论基础

        2.1 储备池计算相关理论

            2.1.1 人工神经网络

            2.1.2 传统储备池计算

            2.1.3 延迟型储备池计算

            2.1.4储备池计算常用的基准任务

        2.2 垂直腔面发射激光器的相关理论

            2.2.1自由运行状态下850nm-VCSEL的输出特性

            2.2.2双光反馈和光注入同时扰动下850nm-VCSEL的输出特性

        2.3 本章内容小结

    第3章 基于双光反馈和光注入同时扰动下VCSEL的储备池计算系统

        3.1 引言

        3.2 系统模型

        3.3 结果与讨论

        3.4 结论

    第4章 总结与展望

    参考文献

    致谢

    攻读硕士期间发表的论文及参与的科研项目

著录项

   学科：光学

   授予学位：硕士

   年度：2020

   正文语种：中文语种

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315558769.html

---------------------------------------------------------------------------------------------------

7.[学位论文]面向灾害应急的机载LiDAR数据并行处理算法研究

目录

    封面

    声明

    中文摘要

    英文摘要

    目录    

1 绪论

        1.1 研究背景与意义

        1.2 国内外研究现状

            1.2.1机载LiDAR扫描技术在灾害应急测绘中的应用

            1.2.2机载LiDAR点云数据处理概况

            1.2.3面向灾害应急的机载LiDAR点云数据处理存在的问题

        1.3 研究内容及论文结构

            1.3.1研究内容

            1.3.2论文结构

    2 机载点云数据的并行预处理

        2.1 传统串行点云预处理

            2.1.1机载LiDAR数据的坐标转换

            2.1.2机载LiDAR数据的滤波处理

            2.1.3机载LiDAR数据的分块处理

        2.2 利用 OpenMP的点云并行预处理

        2.3 点云并行预处理与传统方法的对比分析

            2.3.1实验区概况与处理平台信息

            2.3.2坐标转换效率分析

            2.3.2点云滤波效果与效率分析

            2.3.4基于瓦片化的点云并行分块

    3 基于并行的直接内插算法

        3.1 串行的逐点高程内插方法

        3.2 基于并行的直接内插算法

        3.3 DSM高程内插的精度、效率比较分析

    4 DSM 的瓦片化并行处理

        4.1 传统 DSM瓦片化过程

        4.2 DSM的并行瓦片化处理

        4.3 瓦片化处理的效率比较分析

    5 结论与展望

        5.1 总结

        5.2 展望

    参考文献

    附注

    致谢

著录项

   学科：地图学与地理信息系统

   授予学位：硕士

   年度：2020

   正文语种：中文语种

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020316000224.html

---------------------------------------------------------------------------------------------------

8.[学位论文]面向图像的分布式并行处理系统

目录

    封面

    声明

    中文摘要

    英文摘要

    目录    

第一章 绪论

        1.1本文研究工作背景与意义

        1.2国内外研究现状

        1.3本文的主要贡献与创新点

        1.4本文的组织结构

    第二章 理论基础与相关技术

        2.1图像融合

        2.2 GPU编程

        2.3通用调度算法

        2.4 LSM-Tree存储结构

        2.5数据分布策略

            2.5.1轮询策略

            2.5.2一致性哈希策略

            2.5.3带负载上限的一致性哈希策略

            2.5.4带虚拟节点的一致性哈希策略

        2.6 Redis内存回收策略

        2.7本章小结

    第三章 面向图像的分布式并行处理系统的设计

        3.1应用场景与需求分析

        3.2系统构成

        3.3系统层次架构

        3.4系统物理部署

        3.5异构平台下的卫星图像融合模块的设计

            3.5.1异构平台的图像融合方式

            3.5.2异构平台图像融合处理流程

            3.5.3 GPU的优化处理

        3.6自适应加权阈值调度算法的设计

            3.6.1算法模型

            3.6.2状态切换

            3.6.3算法伪代码

        3.7高并发低冗余存储模块的设计

            3.7.1整体架构

            3.7.2存储模块中各节点的功能

            3.7.3关键技术

            3.7.4分布式设计

        3.8本章小结

    第四章 面向图像的分布式并行处理系统的实现

            4.1.1 BMP图像的存取

            4.1.2利用CPU进行图像融合

            4.1.3利用GPU进行图像融合

            4.2.1加载组件的实现

            4.2.2数据传输进程实现

            4.2.3数据处理进程实现

            4.2.4模块执行流程

        4.3高并发低冗余存储模块的实现

            4.3.1通信交互组件的实现

            4.3.2网络通信框架的实现

            4.3.3定时器的实现

            4.3.4时间类的实现

            4.3.5工作节点的实现

            4.3.6 Client的具体实现

            4.3.7模块关键流程

        4.4本章小结

    第五章 系统测试与结果分析

            5.1.1测试环境

            5.1.2 CPU与GPU图像融合效果对比测试

            5.1.3 CPU与GPU图像融合速度对比测试

            5.2.1测试环境

            5.2.2功能测试

            5.3.1测试环境

            5.3.2功能测试

            5.3.3性能测试

        5.4本章小节

    第六章 总结与展望

        6.1全文总结

        6.2展望未来

    致谢

    参考文献

    攻读硕士期间取得的研究成果

著录项

   学科：计算机技术

   授予学位：硕士

   年度：2020

   正文语种：中文语种

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315968990.html

---------------------------------------------------------------------------------------------------

9.[学位论文]极化雷达数据的众核并行处理方法研究

目录    

封面

    声明

    摘要

    英文摘要

    目录

    第一章绪论

        1．1课题背景及研究意义

        1．2极化雷达数据处理研究现状

        1．3极化雷达数据并行处理研究现状

        1．4论文创新点及关键技术

        1．5论文章节安排

        2．1引言

        2．2极化雷达数据处理介绍

        2．3 GPU计算模型介绍

            2．3．1 GPU设计目的

            2．3．2 GPU存储结构

            2．3．3 GPU编程方法

            2．3．4 GPU线程计算

    第三章基于GPU的极化雷达数据的定性并行处理研究

        3．1引言

        3．2精制极化Lee滤波的并行研究

            3．2．1算法原理

            3．2．2算法并行分析

            3．2．3优化结果

        3．3 H／A／alpha分解算法的并行研究

            3．2．1算法原理

            3．2．2算法并行分析

            3．2．3优化结果

        3．4 H／A／alpha wishart分类算法的并行研究

            3．2．1算法原理

            3．2．2算法并行分析

            3．2．3优化结果

        3．5定性处理并行研究总结

    第四章基于GPU的极化雷达数据的定量并行处理研究

        4．1引言

        4．2 Dubois模型的并行研究

            4．2．1算法原理

            4．2．2并行分析

            4．3．1算法原理

            4．3．2并行分析

        4．4 Oh2004模型的并行研究

            4．4．1算法原理

            4．4．2并行分析

            4．5．1算法原理

            4．5．2并行分析

        4．6定量处理并行结果总结

    第五章结论与展望

        5．1结论

        5．2展望

    参考文献

    致谢

    研究成果及发表的学术论文

    作者和导师介绍

著录项

   学科：控制科学与工程

   授予学位：硕士

   年度：2020

   正文语种：中文语种

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315366356.html

---------------------------------------------------------------------------------------------------

10.[学位论文]基于Spark框架的视频大数据并行处理策略及应用研究

目录   

 封面

    声明

    中文摘要

    英文摘要

    目录

    第一章 绪 论

        1.1 论文研究背景及意义

        1.2 国内外研究现状

            1.2.1 视频并行分析框架研究现状

            1.2.2 视频并行分析算法研究现状

            1.2.3 视频智能分析算法研究现状

        1.3 论文研究内容

        1.4 论文组织结构

    第二章 视频大数据并行处理技术基础

        2.1 Spark并行处理框架

            2.1.1内存计算模型

            2.1.2 弹性分布式数据集

            2.1.3 流数据处理模型

            2.1.4 消息中间件

            2.1.5 分布式文件系统

        2.2 视频分析关键算法与技术

            2.2.1 机器学习算法

            2.2.2 深度学习算法

            2.3.3 视频分析关键技术

        2.3 数据并行原理

            2.3.1 数据级并行机制

            2.3.2 流水线并行机制

        2.4 本章小结

    第三章 基于Spark框架的视频大数据并行处理框架

        3.1 并行框架总体设计

        3.2 视频数据分发层

        3.3 视频数据传输层

        3.4 视频数据处理层

            3.4.1 图像预处理

            3.4.2 关键帧提取

            3.4.3 视频流分析

        3.5 视频数据应用层

        3.6 本章小结

    第四章 基于Spark框架的视频帧间无关分析并行策略及其算法

        4.1 数据级并行机制

        4.2 视频帧间无关分析并行策略

        4.3 电梯乘客数分析并行算法

        4.4 电梯遗落物分析并行算法

        4.5 实验结果与分析

            4.5.1 帧间无关并行策略实验分析

            4.5.2 关键帧提取算法实验分析

        4.6 本章小结

    第五章 基于Spark框架的视频帧间相关分析并行策略及其算法

        5.1 流水线并行机制

        5.2 视频帧间相关分析并行策略

        5.3 电梯门异常分析并行算法

        5.4 实验结果与分析

        5.5 本章小结

    第六章 电梯视频大数据处理原型系统开发

        6.1 系统概述

        6.2 开发环境

        6.3 总体架构

        6.4 主要功能模块

            6.4.1 电梯乘客数实时监测模块

            6.4.2 电梯门异常实时监测模块

            6.4.3 电梯遗落物实时监测模块

            6.4.4 故障电梯分布可视化模块

        6.5 本章小结

    第七章 结论与展望

        7.1 结 论

        7.2 展 望

    参考文献

    致谢

    作者简介

        1 作者简历

        2 攻读硕士学位期间发表的学术论文

        3 参与的科研项目及获奖情况

        4 发明专利

    学位论文数据集

著录项

   学科：计算机技术

   授予学位：硕士

   年度：2020

   正文语种：中文语种

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020316058048.html