發(fā)布時間：2018-05-29 08:58

  本文選題：Hadoop + 圖像分類��； 參考：《天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版)》2017年06期

【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展和數(shù)字圖像獲取技術(shù)的進(jìn)步,傳統(tǒng)圖像分類算法在處理海量數(shù)字圖像時,面臨耗時過多、文件系統(tǒng)及處理架構(gòu)落后的問題.針對這一問題,利用主流的Hadoop開源分布式計(jì)算平臺,引入視覺詞袋模型實(shí)現(xiàn)對圖像的表示,并對模型的圖像直方圖化過程做出改進(jìn),提出一種自適應(yīng)的特征分配方法,最后采用易于并行的隨機(jī)森林算法作為分類器,以充分利用Hadoop平臺強(qiáng)大的分布式計(jì)算能力.實(shí)驗(yàn)顯示,基于Hadoop平臺的圖像分類方法在處理大規(guī)模數(shù)據(jù)集時較單機(jī)環(huán)境能有效減少時間消耗,同時具有良好的分類效果.
[Abstract]:With the development of the Internet and the progress of the digital image acquisition technology, the traditional image classification algorithm is faced with the problem of time-consuming and backward file system and processing architecture in processing massive digital images. Aiming at this problem, using the mainstream Hadoop open source distributed computing platform, this paper introduces the visual word bag model to realize the image representation, and improves the image histogram process of the model, and proposes an adaptive feature assignment method. Finally, the stochastic forest algorithm which is easy to parallel is used as classifier to make full use of the powerful distributed computing power of Hadoop platform. Experimental results show that the image classification method based on Hadoop platform can effectively reduce the time consumption and has a good classification effect compared with the single computer environment in dealing with large data sets.
【作者單位】： 天津大學(xué)電氣自動化與信息工程學(xué)院;天津大學(xué)信息與網(wǎng)絡(luò)中心;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61571325)~~
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉足華;熊惠霖;;基于隨機(jī)森林的目標(biāo)檢測與定位[J];計(jì)算機(jī)工程;2012年13期

2 董師師;黃哲學(xué);;隨機(jī)森林理論淺析[J];集成技術(shù);2013年01期

3 陳姝;彭小寧;;基于粒子濾波和在線隨機(jī)森林分類的目標(biāo)跟蹤[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

4 王麗婷;丁曉青;方馳;;基于隨機(jī)森林的人臉關(guān)鍵點(diǎn)精確定位方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

5 李建更;高志坤;;隨機(jī)森林針對小樣本數(shù)據(jù)類權(quán)重設(shè)置[J];計(jì)算機(jī)工程與應(yīng)用;2009年26期

6 吳華芹;;基于訓(xùn)練集劃分的隨機(jī)森林算法[J];科技通報(bào);2013年10期

7 程光;王貴錦;何禮;林行剛;;人體姿勢估計(jì)中隨機(jī)森林訓(xùn)練算法的并行化[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

8 于延;王建華;;基于云計(jì)算平臺的隨機(jī)森林算法的研究與實(shí)現(xiàn)[J];科技通報(bào);2013年04期

9 劉永春;宋弘;;基于隨機(jī)森林的乳腺腫瘤診斷研究[J];電視技術(shù);2014年15期

10 楊帆;林琛;周綺鳳;符長虹;羅林開;;基于隨機(jī)森林的潛在k近鄰算法及其在基因表達(dá)數(shù)據(jù)分類中的應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2012年04期

相關(guān)會議論文 前2條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會論文集[C];2008年

相關(guān)碩士學(xué)位論文 前10條

1 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

2 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測與跟蹤[D];華南理工大學(xué);2015年

3 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測[D];南京理工大學(xué);2015年

4 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測中的應(yīng)用研究[D];武漢理工大學(xué);2015年

5 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學(xué);2014年

6 李慧;一種改進(jìn)的隨機(jī)森林并行分類方法在運(yùn)營商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

7 趙亞紅;面向多類標(biāo)分類的隨機(jī)森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年

8 丁然;基于隨機(jī)森林大豆籽粒外觀品質(zhì)識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];東北農(nóng)業(yè)大學(xué);2015年

9 邱佳迪;基于隨機(jī)森林的惡意移動應(yīng)用動態(tài)檢測方法研究[D];浙江工業(yè)大學(xué);2015年

10 張興;基于Spark大數(shù)據(jù)平臺的火電廠節(jié)能分析[D];太原理工大學(xué);2016年

，

本文編號：1950287