Implementación en GPU del algoritmo K-Means para ... - UMBC

Implementación en GPU del algoritmo KK-Means
Means para procesamiento paralelo
de imágenes de satélite disponibles en la herramienta Google MMaps
En este trabajo afrontaremos la implementación de un algoritmo de clasificación
no supervisada ampliamente conocido en el ámbito científico, dicho algoritmo es es:
K-Means. La implementación lementación paralela de los algoritmos supervisados lo dejaremos
como posibles líneas futuras de este trabajo.
4.1. Algoritmos de clasificación no supervisados
Las técnicas de clasificación no supervisadas suponen un intento de automatizar
el proceso de clasificación, reduciendo al máximo la necesidad de una supervisión
del proceso. Entre ntre las técnicas existentes [18 [18], ], destaca el método K-Means, que
supone la existencia de K clases (parámetro que deberá ser determinado a priori) y
realiza una agrupación de los píxeles de la imagen en dichas clases utilizando los
vectores métodos puramente estadísticos basados en los espectros promedio de
dichas clases.
El funcionamiento de dicho algoritmo es el siguiente:
Paso 1/4
De una forma arbitraria se deben de elegir K centros de cluster mm1
(0) , m2 (0) , …,
mk (0) (Por ejemplo, podría ser las k primero muestras del conjunto. Siendo Conjunto
l=0).
Paso 2/4
Asignar cada una de las muestras {x {xi, , i = 1, …, N} a uno de los grupos de
acuerdo a la distancia entre la muestra y el centro de agrupación:
x wj
if DL(x, mj (l) ) = min {DL(x, mi (l) ), i = 1, …, k} (4.1)
donde wj denota el grupo i de muestras cuyo centro es mj (l) .
Trabajo Fin de Máster -45- Sergio Bernabé García