English  |  正體中文  |  简体中文  |  Items with full text/Total items : 28611/40649
Visitors : 624636      Online Users : 59
RC Version 4.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Adv. Search
LoginUploadHelpAboutAdminister

Please use this identifier to cite or link to this item: http://ntour.ntou.edu.tw:8080/ir/handle/987654321/40573

Title: GPU acceleration of incenter-based nearest feature space approach to hyperspectral image classification
Authors: 趙顯堂;謝東儒;張麗娜;廖宏儒
Contributors: 國立臺灣海洋大學:通訊與導航工程學系
Date: 2014
Issue Date: 2017-01-20T06:50:11Z
Abstract: 摘要:近年「最鄰近特徵空間分類演算法」(Nearest Feature Space, NFS) 被多方應用於以多源遙測資料為目的的分類問題上,通過計算測試樣本到特徵面(Feature Surface , FS)的最短距離來進行分類,相較於其他最鄰近特徵方法,特徵面包含較多的類別資訊,可提高分類正確率,但NFS在類別樣本分布過於接近或交疊時,容易分類錯誤,所以本論文提出一個新的方法,以特徵面為基礎,引入三角形內心(Incenters)概念,稱之為「最鄰近特徵內切圓演算法」(Incenter-based Nearest Feature Space, INFS),利用計算特徵面內心與測試樣本的最短距離來進行分類。因內心只須由同特徵面的三個訓練樣本共同計算而得,可降低單一訓練樣本過於接近其他類別分布所帶給特徵面的影響,本論文最後由實驗結果證明當類別樣本分布交疊時INFS可獲得比NFS更高的分類正確率,且因INFS內心的計算只考慮特徵面的訓練樣本,並不會受測試樣本影響,與NFS相比可大幅減少運算時間完成分類過程。
由於資料量龐大,配合INFS演算法,以一般電腦運算相當耗時,因此,本論文以實現 INFS平行化為主軸,透過高速計算圖形處理器(Graphic Process Unit, GPU)所提供之統一計算架構(Compute Unified Device Architecture, CUDA),實現訓練樣本為基底的平行化,在NTC圖資實驗下,GPU可達到38倍的加速。
URI: http://ntour.ntou.edu.tw:8080/ir/handle/987654321/40573
Appears in Collections:[通訊與導航工程學系] 期刊論文

Files in This Item:

File Description SizeFormat
index.html0KbHTML76View/Open


All items in NTOUR are protected by copyright, with all rights reserved.

 


著作權政策宣告: 本網站之內容為國立臺灣海洋大學所收錄之機構典藏,無償提供學術研究與公眾教育等公益性使用,請合理使用本網站之內容,以尊重著作權人之權益。
網站維護: 海大圖資處 圖書系統組
DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback