다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기
한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.35 no.3, 2017년, pp.187 - 194
한수희 (Dept. of Geoinformatics Engineering, Kyungil University)
AI-Helper
The present study introduces a method to parallelize k-means clustering algorithm for fast unsupervised classification of large satellite imagery. Known as a representative algorithm for unsupervised classification, k-means clustering is usually applied to a preprocessing step before supervised clas...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
| 핵심어 | 질문 | 논문에서 추출한 답변 |
|---|---|---|
| 병렬처리란 무엇인가? | 최근 공학, 수학, 과학 등 다양한 분야에서 대용량 자료 처리 및 고연산의 난제를 해결하기 위해 병렬처리를 사용하고 있다. 병렬처리란 크고 복잡한 문제를 작게 나누어 여러 컴퓨터에서 동시에 처리하는 컴퓨팅 기술을 말한다(Wikipedia, 2017c). 공간정보 분야의 자료 역시 방대한 크기를 가지고 있으며 처리 방법 또는 알고리즘의 복잡도가 크게 상승하고 있어 지리정보시스템, 원격탐사, 레이저측량 분야를 필두로 병렬처리의 활용 가능성을 꾸준히 제기하였다(Healey et al. | |
| K-means 군집화 알고리즘의 병렬화는 어떤 구조를 가지는가? | 1의 두 번째 for loop를 CPU의 멀티코어가 그 수대로 분할하여 각자 처리함으 로서 구현한다. 즉 n개의 코어가 각각 1/n 크기의 영상을 동시에 분류하는 구조를 가진다. 이는 OpenMP(OpenMP ARB, 2016) 기반의 멀티쓰레딩 프로그래밍을 이용하며 실현할 수있으며, 두 번째 for loop 앞에 #pragma omp parallel for 구분을 넣어 구현한다(Fig. | |
| k-means 군집화 알고리즘의 특징은 무엇인가? | 본 연구는 대용량 위성영상의 신속한 처리를 위해 병렬처리 활용의 중요성을 역설함에 목표가 있으며, 그 예로서 k-means 군집화 알고리즘을 병렬처리하는 방법을 제시한다. 대표적인 무감독분류 방식인 k-means 군집화 알고리즘은 비교적 코드 구현이 쉽지만 높은 분류 정확도를 기대하기 어려워 주로 감독분류의 전처리 단계로 활용한다. 그럼에도 k-means 군집화 알고리즘을 선택한 이유는 k-means 군집화 알고리즘이 연산 집약적이고 사용자의 개입이 적어 병렬처리의 효과를 분명하고 객관적으로 나타낼 수 있기 때문이다. |
Clematis, A., Mineter, M., and Marciano, R. (2003), High performance computing with geographical data, Parallel Computing, Vol. 29, Issue 10, pp. 1275-1279.
Han, S.H., Heo, J., Sohn, H.G., and Yu, K. (2009), Parallel processing method for airborne laser scanning data using a PC cluster and a virtual grid, Sensors, Vol. 9, Issue 4, pp. 2555-2573.
Healey, R., Dowers, S., Gittings, B., and Mineter, M.J. (1997), Parallel Processing Algorithms for GIS, CRC Press, UK.
Koo, I.H. (2012), High-speed Processing of Satellite Image Using GPU, Master's thesis, Chungnam National University, Daejeon, Korea, pp. 28-42. (in Korean with English abstract)
MacQueen, J. (1967), Some methods for classification and analysis of multivariate observations, Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, Volume 1: Statistics, University of California Press, Berkeley, California, USA, 21 June-18 July, pp. 281-297.
OpenMP ARB (2016), The OpenMP API specification for parallel programming, OpenMP ARB, http://www. openmp.org (last date accessed: 25 May 2017).
Plaza, A.J. and Chang, C. (2007), High Performance Computing in Remote Sensing, CRC Press, UK.
Sugumaran, R., Hegeman, J.W., Sardeshmukh, V.B., and Armstrong, M.P. (2015), Processing remote-sensing data in cloud computing environments, In: Thenkabail, P.S. (ed.), Remotely Sensed Data Characterization, Classification, and Accuracies, CRC Press, UK, pp. 549-558.
Wang, P., Wang, J., Chen, Y., and Ni, G. (2013), Rapid processing of remote sensing images based on cloud computing, Future Generation Computer Systems, Vol. 29, Issue 8, pp. 1963-1968.
Wikipedia (2017a), Amdahl's law, Wikimedia Foundation, Inc., https://en.wikipedia.org/wiki/Amdahl%27s_law (last data accessed: 25 May 2017).
Wikipedia (2017b), False sharing, Wikimedia Foundation, Inc., https://en.wikipedia.org/wiki/False_sharing (last data accessed: 25 May 2017).
Wikipedia (2017c), Parallel computing, Wikimedia Foundation, Inc., https://en.wikipedia.org/wiki/Parallel_computing (last data accessed: 25 May 2017).
Yang, C. and Hung, C. (2000), Parallel computing in remote sensing data processing, Proceedings of the 21st Asian Conference on Remote Sensing, ACRS, 4-8 December, Taipei, Taiwan, unpaginated CD-ROM.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
Copyright KISTI. All Rights Reserved.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.