标签: 并行化

(1)构造了数据集GFCPD，该数据集不仅覆盖了Livermore、NPB等常见的并行程序基准测试集，同时包含了常用的数学程序库以及图的相关算法、树的相关算法等复杂算法的不同实现。是一个基于程序上下文流图(XFG)的通用数据集，是一个可以用于串行程序并行性识别任务的深度学习数据集。(2)建立了基于深度图卷积神经网络模型(DGCNN)的串行程序并行性识别模型，并将该模型的识别结果同传统的静态分析方法、结合动态特征的机器学习方法以及在算法分类问题上表现良好的深度学习模型进行对比，从而验证了DGCNN在串行程序的并行性识别任务中的可行性与有效性。(3)基于XML技术实现了并行编程标记语言PML，对MPI、OpenMP等现有编程模型进行设计与封装，提供统一的标准化编程接口，简化了并行编程方式，降低了并行编程门槛。(4)实现了并行编程辅助平台，集成了串行程序的并行性识别、PML语言的程序开发、并行程序的远程调试等功能，提供友好的用户交互环境与完整的并行程序开发流程。

基于Matlab多核集群的人脸识别算法的并行化设计

基于最小生成树的K-均值算法设计与并行化实现.

基于FPGA的模块化多电平换流器并行化控制器设计及实验验证

高光谱RX异常检测的多DSP并行化处理技术

面向多媒体编解码应用多处理器系统芯片任务并行化方法研究与实现

基于消息传递接口（MPI）的并行化马尔可夫聚类算法

面向多媒体编解码应用多处理器系统芯片任务并行化方法研究与实现

面向多媒体编解码应用多处理器系统芯片任务并行化方法研究与实现

多进程编程……

高分辨率、高帧频成像技术使用日益广泛，导致图像实时压缩传输难以实现，针对此问题，本文通过对H.264并行编码模型以及多核DSP并行调度方案的分析，提出了以x264开源代码和TMS320C6678多核DSP为基础的静态划分和动态划分Slice级并行编码算法。实验结果表明，多核并行编码效率要高于单核编码，且编码效率随着核数的增加而增加；动态划分相对于静态划分能够更好地做到负载均衡化，提升编码效率。