[发明专利]非规则流中高维数据流典型相关性并行计算方法及装置

权利要求书

1.一种非规则流中高维数据流典型相关性并行计算方法，所述方法基于图形处理器GPU的非规则流中高维数据流的处理模型和计算统一设备架构CUDA编程模型，其特征在于，

所述高维数据流的处理模型：是在滑动窗口模型的基础之上，基于所述GPU的高维数据流并行处理的六层架构模型；

所述图形处理器GPU：与中央处理器CPU形成异构模式，负责计算密集型的大规模数据并行计算；

所述CUDA编程模型是指：将所述CPU作为主机Host，所述GPU作为协处理器或设备与所述CUDA架构协同工作的编程模型；

所述方法包括：

在所述高维数据流处理模型上，采用所述GPU的所述CUDA编程模型和滑动窗口数据流模式，以增量更新的方式维护两个数据流样本矩阵的协差阵S₂₁，S₂₂和各自的方差阵S₁₁，S₁₂；然后生成概要数据结构，对高维的乘积矩阵进行列向和行向上的采样实现维数约简，根据采样得到的矩阵并行计算典型特征值和典型特征向量。

2.如权利要求1所述的方法，其特征在于，所述在滑动窗口模型的基础之上，基于GPU的高维数据流并行处理的六层架构模型是指：一种高可预知的结构化模型；所述高维数据流的处理模型核心是将应用分解成一连串对流进行操作的Kernel，流在Kernel之间传递，在Kernel内部完成对流中元素的处理。

3.如权利要求1至2所述的方法，其特征在于，所述以增量更新的方式维护两个数据流样本矩阵的协差阵S₂₁，S₂₂和各自的方差阵S₁₁，S₁₂的步骤包括：

数据流矩阵以循环队列的方式实现，更新矩阵时，即时间窗前滚，用新元组替换掉最旧的元组，使偏移索引指向下一个相邻的窗口；在滑动窗口数据流模式下，并行增量生成X，Y各自的方差阵及X与Y协差阵；

根据滑动窗口数据流模式，同步流的当前输入到达时，时间窗前滚一个时刻，接收一个新的元组。

4.如权利要求3所述的方法，其特征在于，还包括，对于所述滑动窗口数据流模式，当同步流的当前输入T＝(t，△_x，△_y)到达时，X_(t-n+1)＝X_(t-n+2)，…，X_(t-1)＝X_(t)，X_(t)＝X_(new)，时间窗前滚一个时刻，接收新的元组X_(new)，n步的上述赋值操作归结为X＝X+△_x，同理有Y＝Y+△_y，△_x＝X_(new)-X_(t-n+1)，△_y＝Y_(new)-Y_(t-n+1)。

5.如权利要求1或2所述的方法，其特征在于，所述对高维的乘积矩阵进行列向和行向上的采样是指：采用在欧几里得空间中不等概行采样兼列采样的近似约简技术对滑动窗口内的数据进行不等概采样。