基于CUDA的并行K-means聚类图像分割算法优化

Huo Yingqiu, Qin Renbo,Xing Caiyan,Chen Xi,Fang Yong

Transactions of the Chinese Society for Agricultural Machinery（2014）

引用 9|浏览2

暂无评分

摘要

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.

查看译文

关键词

CUDA, Parallel optimization, K-means clustering algorithm ,Image segmentation , GPU

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要