GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL

O presente estudo apresenta a  utilizacao de estruturas de dados e GPU como uma melhoria de desempenho do algoritmo de classificacao FEMa. Primeiramente, a partir de um datasets  e criada uma arvore de particao binaria do tipo Kd-Tree e apos sua construcao, aplicado o algoritmo de busca dos K vizinhos mais proximos (K-NN) na Kd-Tree para cada amostra de teste apresentada na fase de classificacao. Apos ter o resultado da busca das amostras mais proximas, e feita a etapa de classificacao do FEMa aplicando uma base dos Metodos dos Elementos Finitos (FEM), para trazer o resultado. Outra abordagem e utilizar codigos CUDA no algoritmo do FEMa, para que o mesmo seja paralelizado e executado em GPU’s, para obter um ganho de desempenho no tempo de execucao.