Алгоритм параллельной агрегации данных для визуализации данных о вербальном и невербальном поведении человека
Авторы: Князев Б.А.
Опубликовано в выпуске: #11(23)/2013
DOI: 10.18698/2308-6033-2013-11-1064
Раздел: Информационные технологии
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.
Литература
[1] Алфимцев А.Н. Разработка и исследование методов захвата, отслеживания и распознавания динамических жестов. Дис. ... канд. техн. наук. Москва, 2008, 167 с.
[2] Jobbagy A. Analysis of finger-tapping movement. Neurosci Methods, 2005, 141(1), pp. 29-39
[3] Ильин Е.П. Психомоторная организация человека: Учебник для вузов. Санкт-Петербург, Питер, 2003, 384 с.
[4] York J.L, Biederman I. Hand movement speed and accuracy in detoxified alcoholics. Alcohol Clin Exp Res. 1991, vol. 15, pp. 982-990
[5] Fasel B., Luettin J. Automatic facial expression analysis: a survey. Pattern Recognition, 2003, vol. 36, iss. 1, pp. 259-275
[6] Сапожков М.А. Электроакустика. Учебник для вузов. Москва, Связь, 1978, 272 c.
[7] Shneiderman B. The eyes have it: a task by data type taxonomy for information visualizations. Proceedings of the IEEE Symposium on Visual Languages, 1996, pp. 336-343
[8] Shneiderman B. Extreme visualization: squeezing a billion records into a million pixels. Proceedings of the 2008 ACM SIGMOD international conference on Management of data, Vancouver, Canada, 2008, pp. 3-12
[9] David B. Kirk, Wen-mei W. Hwu. Programming Massively Parallel Processors: A Hands-on Approach. San Francisco: Morgan Kaufmann Publishers Inc., 2010, 280 p.
[10] Harris M. Optimizing Parallel Reduction in CUDA, NVIDIA Developer Technology URL:http://developer.download.nvidia.com/assets/cuda/files//reduction.pdf
[11] Volkov V. Better performance at lower occupancy. Proceedings of the GPU Technology Conference, GTC 10
[12] Comparison of Nvidia graphics processing units. Wikipedia. The Free Encyclopedia. URL:http://en.wikipedia.org/wiki/Comparison_of_Nvidia_graphics_processing_units