在发动机研究领域旋转失速和喘振问题一直是一个复杂而且具有挑战性的问题。确定学习算法是利用RBF神经网络和模式识别的特点而形成的一种新算法。其在表征动态模式、模式与模式之间的相似性判断、特定模式的识别以及动态模式的智能控制上提出新的方法，是适用于动态环境下的机器学习的新理论，同时其在动态模式识别中体现出了动态分布式计算的信息处理过程，它克服了传统算法重复学习、局部逼近能力差等缺点，也解决了传统算法效率低下的问题。传统算法一个很大的缺陷就是算法所耗费的时间较长，所以寻找某种方法以减少模式识别的时间是一项很重要的工作。多核处理器的出现和越来越普及，逐渐成熟的并行编程语言以及为解决在多核处理器上运行并行算法的多线程机制，都为基于共享内存的多核编程提供了良好的基础条件。OpenMP是基于共享内存的多核编程的工业标准，具有简单易用、良好的可移植性和可扩展性等优点，因此OpenMP在多核并行编程中越来越受欢迎。本文提出的一种基于确定性学习的并行多模态的识别算法，此算法的目的是为了提高多模式识别和预测的计算速度。我们对算法进行分析，寻找算法的并行可行性，然后在通用并行计算的设计模式下结合OpenMP的并行编程接口在单机多核平台下实现大量数据的多线程并行识别计算，并在此基础上给出了可视化的图形界面，通过相应的实验表明，本文所研究的并行确定学习算法在充分利用多核资源的情况下大大加快了动态模式识别的速度，而且可视化界面保证了识别结果的实时显示。