基于GPU的大尺度网络压缩布局显示
复杂网络的可视化是复杂网络研究中的重要手段.近年来也有很多学者致力于对布局算法的改进”1”,但是大多数改进算法都是只针对布局效果或计算效率的其中一个方面.随着Web2.0时代和大数据时代的来临,作为研究对象的复杂网络的规模越来越大,这对复杂网络可视化布局算法的布局效果和运算速度都提出了新的挑战,因此,本文主要研究大尺度网络如何在有限的显示面积中快速合理的显示的问题，指出较大规模的网络数据，即使压缩后依然需要较大的时间开销而算法在GPU上运行速度比在CPU上运行提高数倍，针对上述网络数据，在GPU加速前后运算时间分别为165.2s和5.0s，加速比为33，得到了较大的加速比。
大尺度网络数据 压缩布局 有限显示面积 时间开销 图形处理器
卢罡 李甜甜 许南山 郭俊霞
北京化工大学 计算机科学与技术系, 北京 100029
国内会议
广州
中文
919-919
2014-11-06（万方平台首次上网日期，不代表论文的发表时间）