Přejít k obsahu


Fast Parallel Triangulation Algorithm of Large Data Sets in E2 and E3 for In-Core and Out-Core Memory Processing

Citace:
ŠMOLÍK, M., SKALA, V. Fast Parallel Triangulation Algorithm of Large Data Sets in E2 and E3 for In-Core and Out-Core Memory Processing. In Computational Science and Its Applications ? ICCSA 2014. Heidelberg: Springer, 2014. s. 301-314. ISBN: 978-3-319-09128-0 , ISSN: 0302-9743
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Fast Parallel Triangulation Algorithm of Large Data Sets in E2 and E3 for In-Core and Out-Core Memory Processing
Rok vydání: 2014
Místo konání: Heidelberg
Název zdroje: Springer
Autoři: Ing. Michal Šmolík , Prof. Ing. Václav Skala CSc.
Abstrakt CZ: Triangulace bodů v E2 a tetrahedronizace bodů v E3 je používána v mnoha aplikacích. Delaunay kritérium není nutné splnit ve všech případech. Pro velká data (více jak 5? 10^7 bodů) jsou využívány paralelní metody kvůli snížení časové náročnosti. V článku je navrhnut nový efektivní paralelní CPU a GPU algoritmus triangulace nebo tetrahedronizace pro velké datové sety v E2 a E3. Experimentální výsledky prokazují, že triangulace/tetrahedronizace je blízká k Delaunay triangulaci/tetrahedronizaci. Zároveň je ukázána použitelnost prezentované metody v aplikacích.
Abstrakt EN: A triangulation of points in E^2, or a tetrahedronization of points in E^3, is used in many applications. It is not necessary to fulfill the Delaunay criteria in all cases. For large data (more then 5? 10^7 points), parallel methods are used for the purpose of decreasing time complexity. A new approach for fast and effective parallel CPU and GPU triangulation, or tetrahedronization, of large data sets in E^2 or E^3, is proposed in this paper. Experimental results show that the triangulation/tetrahedralization, is close to the Delaunay triangulation/tetrahedralization. It also demonstrates the applicability of the method presented in applications.
Klíčová slova

Zpět

Patička