یک الگوریتم موازی مبتنی برماشین بردارپشتیبان لاپلاسین برای دسته بندی تصاویر سنجش ازدور

دسته بندی تصاویرفراطیفی سنجش ازدور به دلیل کمبود تعداد داده های برچسب دارو بعد بالای داده ها یکی از مسائل چالش برانگیز است روشهای نیمه نظارتی با استفاده از تعداد زیاد داده های بدون برچسب درکنار تعداد کم داده های برچسب دار کارایی خود ر ا در دسته بندی تصاویر سنجش از دور به خوبی نشان داده اند یکی ازروشهای دسته بندی نیمه نظارتی کارامد ماشین بردار پشتیبان لاپلاسینی است که یک روش مبتنی بر منظم سازی منیفلد است پیچیدگی زمانی الگوریتم ماشین بردارپشتیبان لاپلاسینی درحالت ترتیبی و با استفاده ازروش گرادیان مزدوج پیش شرط برابر با (O(kn2 می باشد n مجموع داده های برچسب دار و بدون برچسب و k مقداری است که بصورت تجربی مشخص شده و بسیارکوچکتر ازn است دراین مقاله به منظور کاهش زمان اجرای الگوریتم ماشین بردار پشتیبان لاپلاسین یک الگوریتم موازی براساس روش گرادیان مزدوج پیش شرط موازی بیان می کنیم این الگوریتم موازی در مدل EREW PRAM طراحی شده است الگوریتم موازی ارایه شده برای دسته بندی تصاویر سنجش از دور در مدل PRAM باP پردازنده افزایش سرعتی برابر با (O( kn2/p + kn log p داشته است که از لحاظ زمان اجرا و تعداد پردازنده نسبت به الگوریتم ترتیبی برای این مساله بهینه است افزایش تعداد پردازنده ها میزان تسریع بهتری را نتیجه خواهد داد.

کلیدواژه ها:

پردازش موازی ، دسته بندی تصاویر ، سنجش ازدور ، یادگیری ماشین ، یادگیری نیمه نظارتی ، ماشین بردارپشتیبان لاپلاسینی ، گرادیان مزدوج پیش شرط