Отрывок: Свойство SANN позволяет обновлять матрицу расстояний и массив частичных минимумов за O(n). Таким образом, достигается общая вычислительная сложность метода одиночной связи O(n2). Каждая последующая итерация (уровень дендрограммы) непосредственно зависит от предыдущей, что затрудняет возможность эффективного распараллеливания. Известные методы параллельной реализации SLINK, ка...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorРылов, С.А.-
dc.contributor.authorПестунов, И.А.-
dc.contributor.authorRylov, S.A.-
dc.contributor.authorPestunov, I.A.-
dc.date.accessioned2018-05-16 16:38:10-
dc.date.available2018-05-16 16:38:10-
dc.date.issued2018-
dc.identifierDspace\SGAU\20180513\69106ru
dc.identifierDspace\SGAU\20180516\69106ru
dc.identifier.citationРылов С.А. Быстрая иерархическая кластеризация мультиспектральных изображений на графических процессорах NVIDIA / С.А. Рылов, И.А. Пестунов // Сборник трудов IV международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2018) - Самара: Новая техника, 2018. - С.865-873ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Bystraya-ierarhicheskaya-klasterizaciya-multispektralnyh-izobrazhenii-na-graficheskih-processorah-NVIDIA-69106-
dc.description.abstractВ работе рассматривается реализация иерархического сеточного алгоритма кластеризации HCA на графических процессорах NVIDIA с использованием технологии CUDA, что позволило на порядок сократить время обработки мультиспектральных изображений. Представлены результаты экспериментальных исследований на модельных данных и изображениях, подтверждающие эффективность рассматриваемого алгоритма кластеризации и его параллельной реализации. The present work explores the parallel implementation of the hierarchical grid-based clustering algorithm HCA on NVIDIA GPU with CUDA technology, which substantially reduced the processing time of multispectral images. Provided experimental studies on model data and images confirm the efficiency of the HCA clustering algorithm and its parallel implementation.ru
dc.language.isorusru
dc.publisherНовая техникаru
dc.subjectfast clusteringru
dc.subjectmultispectral imagesru
dc.subjectsegmentationru
dc.subjecthierarchical clusteringru
dc.subjectgrid-based approachru
dc.subjectparallel computingru
dc.subjectGPUru
dc.subjectGPGPUru
dc.subjectCUDAru
dc.subjectHCAru
dc.titleБыстрая иерархическая кластеризация мультиспектральных изображений на графических процессорах NVIDIAru
dc.title.alternativeFast hierarchical clustering of multispectral images and its implementation on NVIDIA GPUru
dc.typeArticleru
dc.textpartСвойство SANN позволяет обновлять матрицу расстояний и массив частичных минимумов за O(n). Таким образом, достигается общая вычислительная сложность метода одиночной связи O(n2). Каждая последующая итерация (уровень дендрограммы) непосредственно зависит от предыдущей, что затрудняет возможность эффективного распараллеливания. Известные методы параллельной реализации SLINK, ка...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Описание Размер Формат  
paper_119.pdfОсновная статья1.04 MBAdobe PDFПросмотреть/Открыть



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.