论文部分内容阅读
针对快速单形体体积增长法(FNSGA)需多次遍历所有像元造成时间复杂度较高的问题及FNSGA算法具有并行性高的特点,研究基于统一计算设备构架CUDA的FNSGA并行计算。设计基于CUDA的FNSGA并行计算流程,实现关键步骤的并行设计,提出代码实现的3种策略,即Matlab代码直接转换设计、循环展开优化、使用CUBLAS库,分析端元个数对于基于GPU的FNSGA代码的影响。真实高光谱图像端元提取实验结果表明,与CPU串行相比,几种CUDA并行计算都能提高运算速度,其中使用CUBLAS库的运算速度提高