CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

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

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۳۴ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: COMCONF01_537
زبان مقاله: فارسی
حجم فایل: ۵۹۴.۹۲ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

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

  فرناز حسینی - دانشجوی دکترای تخصصی سیستم های نرم افزاری، دانشگاه آزاد اسلامی رشت
  رضا مرادی - دانشجوی دکترای تخصصی هوش مصنوعی و روباتیک، دانشگاه علم و صنعت ایران
  خوشنام عبدی قورتولمش - کارشناس ارشد مهندسی سیستم های نرم افزاری، دانشگاه آزاد اسلامی شبستر

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 26.8 برابر سریعتر می باشد که این نرخ تسریع بدلیل همزمانی اجرای بلاک ها بر روی سخت افزار GPU می باشد

کلیدواژه‌ها:

خوشه بندی، خوشه بندی K-means ، CUDA ، GPU ، الگوریتم های موازی، MATLAB

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-COMCONF01-COMCONF01_537.html
کد COI مقاله: COMCONF01_537

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حسینی, فرناز؛ رضا مرادی و خوشنام عبدی قورتولمش، ۱۳۹۴، یک راهکارموازی برای خوشه بندی تصاویر MRI مغزی با استفاده از الگوریتم خوشه بندی K- Means و معماری CUDA، کنفرانس بین المللی یافته های نوین پژوهشی درمهندسی برق و علوم کامپیوتر، تهران، موسسه آموزش عالی نیکان، https://www.civilica.com/Paper-COMCONF01-COMCONF01_537.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حسینی, فرناز؛ رضا مرادی و خوشنام عبدی قورتولمش، ۱۳۹۴)
برای بار دوم به بعد: (حسینی؛ مرادی و عبدی قورتولمش، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Silva, J. A. Faria, E. R. Barros, R. C. Hruschka, ...
  • Parimala, K. Palanisamy, Dr. V. (2013)" Enhanced Performance of Search ...
  • Kepner, J (2009), "Parallel MATLAB for Multi-cores and Multi node ...
  • Kijsipongse, E. U-ruekolan, S. (2012) "Dynamic load balancing On GPU ...
  • Garcia, V. Debreuve, E. Barlaud, M. (2008):Fast k nearest neighbor ...
  • Kerdprasop, K. Kerdprasop, N. (2010) _ 'Parallelization of k-means clustering ...
  • Arul Shalom, S.A. Dash, M. Tue, M. (2008) "Efficient k-means ...
  • Hong-Tao, B. Li-li, H. Dan-tong, O. Zhan-shan, L. He, L. ...
  • Jose1, A. Ravi, S. Sambath, M. (2014) "Brain Tumor Segmentation ...
  • Fahim Ahmed, M. (2014) "Paralle] Impl ementation of K-Means On ...
  • Alpaydin, E. (2004) "Introduction to Machine Learning", the MIT Pres. ...
  • Khadem, E. A. Nezhad, E. F. Sharifi, M. (2013) "Data ...
  • Sun, Y. Liu, G. Xu, K. (2010) "A k-Means-B ased ...
  • Patil, Y. S. Vaidya, M.B. (2012)، " A Technical Survey ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۴۰۹۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.