Hadoop的相关资料

本程序是cuda语言实现向量相加的例子，通过这个例子可以学习cuda的基本语法格式，

应用背景在GPU上实现N-BODY算法。N-Body模拟问题覆盖了自然科学的很多领域，从宇观的天体物理到宏观的流体动力学，直至微观的分子动力学。例如通过研究围绕着银河系的暗物质晕轮的形状和动力学特征来探索银河系形成过程，需要模拟数百万的星体和暗物质间的作用。现代生物物理学和化学中的许多研究，如细菌或植物体的光合作用膜处发生的光能向化学能的转化，染色体中DNA和蛋白质分子的描述，都需要模拟上千万的原子核分子的作用。关键技术N-Body问题的两个重要特征是： 第一点．计算规模大，因为无论是宇观的天体尺寸还是微观的分 子尺度．都包含了大量的粒子，粒子的规模大到数百万、千万。由于在 系统中任意的两个粒子问都存在着相互作用，因此商接计算粒子间的 相互作用的量级就是O(N^2)； 第二点．系统是动态变化的。为了反应系统的具体变化．尤其是在微观分子结构中．要求时间步足够小。这两个特征决定了计算机模拟 时巨大的计算量。这对于任何扁性能的单台计算机来说都是一个很难突破的瓶颈．因此采用并行汁算是解决N-Body问题的必然选择。主要涉及数据划分和线程任务划分实现。

目的：加速视频中彩色图像转换为灰度图像，提取视频图像中的边缘。 开发环境：windows 8.1 x64操作系统  vs2012 cuda5.5  opencv2.4.8 硬件环境：NVIDIA  GeForce GT 740M ,4G内存，Intel(R) Core(TM) i5-4200MCPU @2.50GHz 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

免费下载项目在线预订系统在 Php 中与我的 Sql.hear 在线酒店预订系统项目与完整的源代码。酒店管理系统项目用于维护每个客户的信息。每个客户有自己的个人资料。如果没有完美的软件然后它将非常艰巨的任务，要保持所有的记录完全没有出现任何错误。即使找到特定的记录，要需要很多时间。

SOR(Successive Over-Relaxation) 又名逐次超松弛法，是解决微分方程的一种通用算法，主要应用在解决拉普拉斯方程、肥皂泡形状等的问题上。本程序使用CUDA来实现sor，并且包含两种方法，一种是单一block运算整个矩阵，每个thread运算矩阵中的一个方块。一种是多个block运算整个矩阵，每个thread运算矩阵中的一个点。该程序有良好的注释，适合初学者学习。

狐狸的算法，一个简单的实现每个进程的一个元素。在一个充分实现 A、 B、 C、 T将矩阵。

差动速度算法器 这篇文章，在一系列，第六描述从根本上不同的方法计算速度从涡度，提出了在这些文章中的流体模拟的基石之一。第一篇文章总结了流体动力学 ；第二个调查流体仿真技术 ；和第三和第四次提出了涡粒子流体模拟与双向流体体之间的相互作用，在真正的时间运行。第五篇文章展示了如何获取和使用 CPU 使用率分析数据，优化，进一步并行化的代码，这样，它跑得更快。 这篇文章介绍一种求解速度从涡度的微分技术和与第 3 部分中所提出的积分 treecode 技术及其成果和业绩形成鲜明对比。泊松规划求解在这篇文章提出了一种比跑得快 treecode，但它的结果看起来不同的可能不那么令人满意。 涡旋速度，回顾 记得第二篇文章，您可以计算速度从涡度 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

资源描述一、环境环境：Ubuntu14、Hadoop2.6，Eclipse、NLPIR/ICTCLAS2015等； 二、算法简介： 1、此项目是基于Hadoop2.6进行MapReduce并行开发； 2、此项目是文本分类的文本预处理和文本表示部分，包括分词，去停用词，特征选择和文本表示等（分类算法采用的是随机森林算法，暂时未开放，读者可自行采用Mahout或Weka进行验证）； 3、分词采用的是NLPIR/ICTCLAS2015；文本表示采用的是VSM模型，权重计算采用TFIDF进行文本表示；特征选择采用CHI算法（卡方统计）； 4、关于并行分词环境搭建，可参考我的博客http://www.cnblogs.com/merru/p/4917665.html 5、关于Hadoop环境搭建，可参考我的博客http://www.cnblogs.com/merru/p/4901528.html和http://www.cnblogs.com/merru/p/4905118.html。

多种算法实现链表的排序，可以更具需要进行适当该表计算哦，是基础了，欢迎同在学习的伙伴一起努力哦~ 数据结构实验

研究多目标遗传算法的优化，包含遗传算法过程中涉及的的各个步骤，非常适合于研究遗传算法及对遗传算法进行多目标优化的同学