Алгоритм параллельной агрегации данных для визуализации данных о вербальном и невербальном поведении человека
Рассмотрен метод визуализации поведения человека вербальной и невербальной форм, представляющих собой данные большого объема. Приведены модель и алгоритм визуализации этих данных с использованием метода параллельной агрегации. Предложена агрегирующая функция, выполняющая поиск экстремумов блоков данных с помощью модернизированного алгоритма «reduction tree», что позволяет приблизить сложность алгоритма к минимальной. Оптимизация осуществлена за счет отображения данных в глобальную память видеопроцессора, большей нагрузки каждого потока и использования меньшего количества потоков в одном блоке. Представлены результаты сравнительного анализа пропускной способности центрального процессора и двух типов графического процессора, выполняющих предложенный алгоритм.
Авторы
Тэги
Тематические рубрики
Предметные рубрики
В этом же номере:
Резюме по документу**
УДК 004.9
Алгоритм параллельной агрегации данных
для визуализации данных о вербальном и невербальном
поведении человека
Б.А. Князев
МГТУ им. <...> Н.Э. Баумана, Москва, 105005, Россия
Рассмотрен метод визуализации поведения человека вербальной и невербальной
форм, представляющих собой данные большого объема. <...> Приведены модель и алгоритм
визуализации этих данных с использованием метода параллельной агрегации. <...> Предложена агрегирующая функция, выполняющая поиск экстремумов блоков
данных с помощью модернизированного алгоритма «reduction tree», что позволяет
приблизить сложность алгоритма к минимальной. <...> Представлены результаты сравнительного анализа пропускной способности
центрального процессора и двух типов графического процессора, выполняющих
предложенный алгоритм. <...> Ключевые слова: визуализация данных, биометрические данные, данные большой
размерности, графический процессор, снижение размерности. <...> Вербальное и невербальное поведения могут рассматриваться
как процессы, изменяющиеся во времени. <...> Существует следующая парадигма для визуализации данных,
объем которых превышает размер отображаемой области (например,
дисплея монитора) [7]:
обзор данных масштабирование и фильтрация детализация по
требованию. <...> Для эффективного (с частотой 10 операций в секунду) обзора
данных необходимо снижение их размерности с помощью либо методов
аппроксимации кривой, либо агрегирования данных. <...> Для задачи агрегирования также могут быть использованы методы
параллельных вычислений, поскольку [9]:
• предназначены для вычисления независимых блоков данных;
• графические процессоры (GPU) имеют необходимую для данной
задачи пропускную способность (до 63,4 Гб/с для процессора G80);
• при корректном использовании ресурсов GPU значительно (до
100 раз) превосходят производительность центрального процессора
(CPU). <...> Так, пиковая пропускная способность процессора G80 достигает
346 GFLOPS (гигафлопс — количество выполняемых процессором <...>
** - вычисляется автоматически, возможны погрешности
Похожие документы: