期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CUDA的并行K-means聚类图像分割算法优化
被引量：
31
1
作者
霍迎秋
秦仁波
+2 位作者
邢彩燕
陈曦
方勇
《农业机械学报》
EI
CAS
CSCD
北大核心
2014年第11期47-53,74,共8页
为提高K-means聚类算法的运算速度,基于CUDA架构提出一种分块、并行的K-means算法,并采用'合并访问'、'多级规约求和'、'负载均衡'和'指令优化'等策略优化并行算法。实验结果表明,并行K-means算法的分...
为提高K-means聚类算法的运算速度,基于CUDA架构提出一种分块、并行的K-means算法,并采用'合并访问'、'多级规约求和'、'负载均衡'和'指令优化'等策略优化并行算法。实验结果表明,并行K-means算法的分割效果与串行K-means算法相同,但运行速度得到了极大的提高,加速比最高达到560,很好地解决了农业工程实际中由于分割算法带来的瓶颈问题,能够极大地提高农业劳动生产率。
展开更多
关键词
图像分割
聚类分割算法
统一计算架构
图形处理器并行优化
在线阅读
下载PDF
职称材料
基于Cholesky分解的高光谱实时异常探测的GPU优化
被引量：
2
2
作者
李萍
关桂霞
+2 位作者
吴太夏
彭波
黄晓
《传感器与微系统》
CSCD
2019年第3期7-10,共4页
高光谱遥感图像具有超多波段、光谱分辨率高、信息量丰富等优点,但同时也给异常探测的实时处理带来了重大考验。基于Cholesky分解的高光谱实时异常探测算法很好地解决了实时性问题,而图形处理器(GPU)的并行优化设计则更高效。实验结果表...
高光谱遥感图像具有超多波段、光谱分辨率高、信息量丰富等优点,但同时也给异常探测的实时处理带来了重大考验。基于Cholesky分解的高光谱实时异常探测算法很好地解决了实时性问题,而图形处理器(GPU)的并行优化设计则更高效。实验结果表明:提出的优化设计在保证探测精度的同时,进一步提升了计算效率,算法加速比最高达到3. 14倍,说明基于GPU的并行优化算法能够较好地满足高光谱遥感图像实时处理的应用需求。
展开更多
关键词
高光谱遥感图像
实时异常探测
CHOLESKY分解
图形处理器并行优化
在线阅读
下载PDF
职称材料
题名
基于CUDA的并行K-means聚类图像分割算法优化
被引量：
31
1
作者
霍迎秋
秦仁波
邢彩燕
陈曦
方勇
机构
西北农林科技大学机械与电子工程学院
西北农林科技大学信息工程学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2014年第11期47-53,74,共8页
基金
国家自然科学基金资助项目(61271280)
国家级大学生科技创新重点资助项目(201310712068)
文摘
为提高K-means聚类算法的运算速度,基于CUDA架构提出一种分块、并行的K-means算法,并采用'合并访问'、'多级规约求和'、'负载均衡'和'指令优化'等策略优化并行算法。实验结果表明,并行K-means算法的分割效果与串行K-means算法相同,但运行速度得到了极大的提高,加速比最高达到560,很好地解决了农业工程实际中由于分割算法带来的瓶颈问题,能够极大地提高农业劳动生产率。
关键词
图像分割
聚类分割算法
统一计算架构
图形处理器并行优化
Keywords
Image segmentation
K-means clustering algorithm
CUDA
GPU
Parallel optimization
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于Cholesky分解的高光谱实时异常探测的GPU优化
被引量：
2
2
作者
李萍
关桂霞
吴太夏
彭波
黄晓
机构
首都师范大学信息工程学院
河海大学地球科学与工程学院
中国科学院遥感与数字地球研究所
出处
《传感器与微系统》
CSCD
2019年第3期7-10,共4页
基金
中央高校基本科研业务费专项资金资助项目(2017B05114)
文摘
高光谱遥感图像具有超多波段、光谱分辨率高、信息量丰富等优点,但同时也给异常探测的实时处理带来了重大考验。基于Cholesky分解的高光谱实时异常探测算法很好地解决了实时性问题,而图形处理器(GPU)的并行优化设计则更高效。实验结果表明:提出的优化设计在保证探测精度的同时,进一步提升了计算效率,算法加速比最高达到3. 14倍,说明基于GPU的并行优化算法能够较好地满足高光谱遥感图像实时处理的应用需求。
关键词
高光谱遥感图像
实时异常探测
CHOLESKY分解
图形处理器并行优化
Keywords
hyperspectral remote sensing image
real-time anomaly detection
Cholesky decomposition
graphics processing unit(GPU)parallel optimization
分类号
TP39 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CUDA的并行K-means聚类图像分割算法优化
霍迎秋
秦仁波
邢彩燕
陈曦
方勇
《农业机械学报》
EI
CAS
CSCD
北大核心
2014
31
在线阅读
下载PDF
职称材料
2
基于Cholesky分解的高光谱实时异常探测的GPU优化
李萍
关桂霞
吴太夏
彭波
黄晓
《传感器与微系统》
CSCD
2019
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
