计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
6期
1600-1603
,共4页
图像分类%Hadoop%MapReduce%随机森林%稀疏编码%尺度不变特征变换
圖像分類%Hadoop%MapReduce%隨機森林%稀疏編碼%呎度不變特徵變換
도상분류%Hadoop%MapReduce%수궤삼림%희소편마%척도불변특정변환
image classification%Hadoop%MapReduce%random forest%sparse coding%Scale Invariant Feature Transform (SIFT)
针对现有的方法不能有效用于图像大数据分类的问题,提出了一种基于MapReduce编程模型的图像分类方法,在分类的全过程利用MapReduce机制加速分类过程.首先,利用MapReduce机制实现对图像尺度不变特征变换(SIFT)特征的分布式提取,并通过稀疏编码将其转换为稀疏向量,生成图像的稀疏特征;然后,利用MapReduce机制实现对随机森林的分布式训练;在此基础上,利用MapReduce机制对图像集实现基于随机森林方法的并行分类.通过在Hadoop平台的实验结果表明,该方法能够充分利用MapReduce框架的分布式特性,对大规模图像数据实现快速准确分类.
針對現有的方法不能有效用于圖像大數據分類的問題,提齣瞭一種基于MapReduce編程模型的圖像分類方法,在分類的全過程利用MapReduce機製加速分類過程.首先,利用MapReduce機製實現對圖像呎度不變特徵變換(SIFT)特徵的分佈式提取,併通過稀疏編碼將其轉換為稀疏嚮量,生成圖像的稀疏特徵;然後,利用MapReduce機製實現對隨機森林的分佈式訓練;在此基礎上,利用MapReduce機製對圖像集實現基于隨機森林方法的併行分類.通過在Hadoop平檯的實驗結果錶明,該方法能夠充分利用MapReduce框架的分佈式特性,對大規模圖像數據實現快速準確分類.
침대현유적방법불능유효용우도상대수거분류적문제,제출료일충기우MapReduce편정모형적도상분류방법,재분류적전과정이용MapReduce궤제가속분류과정.수선,이용MapReduce궤제실현대도상척도불변특정변환(SIFT)특정적분포식제취,병통과희소편마장기전환위희소향량,생성도상적희소특정;연후,이용MapReduce궤제실현대수궤삼림적분포식훈련;재차기출상,이용MapReduce궤제대도상집실현기우수궤삼림방법적병행분류.통과재Hadoop평태적실험결과표명,해방법능구충분이용MapReduce광가적분포식특성,대대규모도상수거실현쾌속준학분류.