یک راهکارموازی برای خوشه بندی تصاویر MRI مغزی با استفاده از الگوریتم خوشه بندی K- Means و معماری CUDA

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 یک راهکارموازی برای خوشه بندی تصاویر MRI مغزی با استفاده از الگوریتم خوشه بندی K- Means و معماری CUDA دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد یک راهکارموازی برای خوشه بندی تصاویر MRI مغزی با استفاده از الگوریتم خوشه بندی K- Means و معماری CUDA  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی یک راهکارموازی برای خوشه بندی تصاویر MRI مغزی با استفاده از الگوریتم خوشه بندی K- Means و معماری CUDA،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن یک راهکارموازی برای خوشه بندی تصاویر MRI مغزی با استفاده از الگوریتم خوشه بندی K- Means و معماری CUDA :

تعداد صفحات :۱۰

چکیده مقاله:

یکی از روش های معتبر خوشه بندی، خوشه بندی K-means است که بر اساس کمترین فاصله های هر داده ازمرکز یک خوشه )میانگین( خوشه بندی را انجام می دهد. الگوریتم K-means دارای یک پارامتر K است که نماینده یتعداد خوشه ها می باشد. با توجه به ماهیت ذاتاً موازی بسیاری از الگوریتم های خوشه بندی، می توان ازآنها به خوبی برایاجرا در یک واحد پردازش گرافیکی ) GPU ( استفاده کرد. به دلیل زمان بر بودن این روش با تغییر تعداد خوشه ها وافزایش سایز تصاویر برای پیاده سازی آن در حالت موازی از معماری CUDA استفاده شد. نتایج حاصل از شبیه سازیخوشه بندی تصاویر MRI مغزی با استفاده از خوشه بندی K- Means بر روی سخت افزار GPU نشان داد که زمان اجرای این روش در حالت موازی با افزایش سایز تصاویر کاهش یافته و در مقایسه با حالت سریال ۲۶.۸ برابر سریعتر می باشد که این نرخ تسریع بدلیل همزمانی اجرای بلاک ها بر روی سخت افزار GPU می باشد