دانلود کتاب الگوریتمهای Hypercube: با برنامههای کاربردی برای پردازش تصویر و تشخیص الگو بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
نام کتاب : Hypercube Algorithms: with Applications to Image Processing and Pattern Recognition
ویرایش : 1
عنوان ترجمه شده به فارسی : الگوریتمهای Hypercube: با برنامههای کاربردی برای پردازش تصویر و تشخیص الگو
سری : Bilkent University Lecture Series
نویسندگان : Prof. Sanjay Ranka, Prof. Sartaj Sahni (auth.)
ناشر : Springer-Verlag New York
سال نشر : 1990
تعداد صفحات : 240
ISBN (شابک) : 9781461396949 , 9781461396925
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 4 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
الگوریتمهای بنیادی برای ابر مکعبهای SIMD و MIMD توسعه یافتهاند. اینها شامل الگوریتمهایی برای مشکلاتی مانند پخش داده، جمع داده، جمع پیشوند، تغییر، گردش داده، انباشت داده، مرتبسازی، خواندن و نوشتن دسترسی تصادفی و جایگشت داده میشود. سپس از الگوریتمهای اساسی برای به دست آوردن الگوریتمهای ابرمکعب کارآمد برای ضرب ماتریس، مشکلات پردازش تصویر مانند کانولوشن، تطبیق الگو، تبدیل Hough، تبدیل خوشهبندی و پردازش تصویر، و ویرایش رشتهها استفاده میشود. بیشتر الگوریتمهای این کتاب برای هایپرمکعب هستند که تعداد پردازندهها تابعی از اندازه مسائل است. با این حال، برای مشکلات پردازش تصویر، این کتاب همچنین شامل الگوریتمهایی برای و Hypercube MIMD با تعداد کمی فرآیند است. نتایج تجربی روی یک ابر مکعب NCUBE/77 MIMD نیز ارائه شده است. این کتاب برای استفاده در دوره های یک ترم یا یک چهارم الگوریتم هایپرمکعب مناسب است. برای دانشآموزانی که قبلاً در معرض الگوریتمهای موازی قرار نگرفتهاند، توصیه میشود که یک هفته روی مطالب فصل 1، حدود شش هفته در فصل 2 و یک هفته در فصل 3 صرف شود. بقیه کتاب.
Fundamentals algorithms for SIMD and MIMD hypercubes are developed. These include algorithms for such problems as data broadcasting, data sum, prefix sum, shift, data circulation, data accumulation, sorting, random access reads and writes and data permutation. The fundamental algorithms are then used to obtain efficient hypercube algorithms for matrix multiplication, image processing problems such as convolution, template matching, hough transform, clustering and image processing transformation, and string editing. Most of the algorithms in this book are for hypercubes with the number of processors being a function of problems size. However, for image processing problems, the book also includes algorithms for and MIMD hypercube with a small number of processes. Experimental results on an NCUBE/77 MIMD hypercube are also presented. The book is suitable for use in a one-semester or one-quarter course on hypercube algorithms. For students with no prior exposure to parallel algorithms, it is recommended that one week will be spent on the material in chapter 1, about six weeks on chapter 2 and one week on chapter 3. The remainder of the term can be spent covering topics from the rest of the book.