学位论文 > 优秀研究生学位论文题录展示
基于支持向量机的图像分类方法研究
作 者: 曹健
导 师: 赵建民
学 校: 浙江师范大学
专 业: 计算机软件与理论
关键词: 图像分类 语义鸿沟 SVM 云计算 Hadoop MapReduce
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 111次
引 用: 0次
阅 读: 论文下载
内容摘要
面向语义的多媒体图像检索现在是图像检索领域的流行趋势,但如何跨越“语义鸿沟”一直是困扰人们的问题。当支持向量机在机器学习等领域展现出良好的性能后,人们开始研究将支持向量机应用于图像检索领域,通过支持向量机分类方法提高图像分类的精确度,改善图像检索的“语义鸿沟”问题。本文在深入学习SVM基本原理以及研究他人发表的关于SVM的多类分类算法的基础上,提出了一种基于距离的正态二叉树支持向量机多类分类算法改进思想。现在的图像分类算法有着复杂的计算,在单台计算机上运行这类算法非常耗时,随着云计算平台的出现,通过计算机集群的运算能力可以提高图像分类算法的计算的速度,本文尝试将改进二叉树支持向量机多类分类算法与Hadoop平台结合来提高算法的计算速度。本文主要工作如下:(1)对目前图像分类检索、支持向量机、云计算的研究背景、意义、国内外现状等作了综述性分析;(2)详细介绍了SVM的相关理论、SVM多类分类算法及各种算法之间的比较,发现二叉树SVM多类分类算法与其它SVM多类分类算法相比具有明显的优势;(3)简单介绍了了云计算的相关概念,重点对云计算实现方式之一的Hadoop平台作了较为详细的描述,特别是对HDFS的读写策略,MapReduce的作业流程作了详细介绍。(4)在已经存在的各种二叉树SVM多类分类算法的基础上,本文提出了改进的二叉树支持向量机多类分类算法,并且通过实验证明了本文改进算法具有较好的分类准确性以及分类速度;(5)在理解云计算及开源平台Hadoop的基础上,本文将改进的SVM算法MapReduce化,最后通过实验证明了这种结合有助于减少图像分类复杂算法的计算时间。
|
全文目录
摘要 3-5 ABSTRACT 5-7 目录 7-10 1 绪论 10-18 1.1 研究背景 10-13 1.2 研究现状 13-16 1.2.1 图像分类研究现状 13-14 1.2.2 SVM的研究进展 14-15 1.2.3 云计算研究现状 15-16 1.3 研究意义 16 1.4 文章组织结构 16-18 2 支持向量机的原理和应用 18-31 2.1 支持向量机的理论基础 18-21 2.1.1 统计学习理论 18-20 2.1.2 推广性的界 20-21 2.2 支持向量机的相关概念 21-25 2.2.1 最优超平面 21 2.2.2 支持向量机线性可分 21-23 2.2.3 支持向量机近似线性可分 23-24 2.2.4 支持向量机非线性可分 24 2.2.5 核函数 24-25 2.3 支持向量机分类问题 25-30 2.3.1 二分类问题 25-26 2.3.2 多分类问题 26-29 2.3.3 SVM多类分类性能的对比 29-30 2.4 本章小结 30-31 3 云计算及Hadoop平台 31-41 3.1 云计算 31 3.2 云计算框架 31-32 3.3 Hadoop平台 32-40 3.3.1 HDFS 33-36 3.3.2 MapReduce 36-40 3.4 本章小结 40-41 4 二叉树支持向量机多类分类算法及其改进方法 41-53 4.1 基于二叉树的多类支持向量机原理及优缺点 41-42 4.2 二叉树支持向量机多类分类算法 42-45 4.2.1 二叉树支持向量机多类分类训练阶段 43-44 4.2.2 二叉树支持向量机多类分类识别阶段 44-45 4.3 常用二叉树改进方法 45-46 4.4 本文改进二叉树支持向量机 46-50 4.4.1 本文二叉树支持向量机改进方法的思想 47 4.4.2 本文二叉树支持向量机改进方法相关概念 47-48 4.4.3 二叉树支持向量机多类分类算法改进的具体步骤 48-49 4.4.4 改进二叉树多类图像语义分类器 49-50 4.5 仿真实验 50-52 4.6 本章小结 52-53 5 云计算Hadoop平台下的改进二叉树SVM算法的实现 53-62 5.1 Hadoop平台下二叉树支持向量机算法整体设计 53 5.2 Hadoop平台下二叉树支持向量机算法详细设计 53-56 5.2.1 计算类中心值CountJob的设计 53-55 5.2.2 训练样本ClassifyJob的设计 55-56 5.3 实验分析 56-61 5.3.1 实验软硬件描述 56 5.3.2 Hadoop系统环境的搭建 56-59 5.3.3 在linux操作系统环境下运行Hadoop的相关命令 59 5.3.4 实验结果分析 59-61 5.4 本章小结 61-62 6 总结与展望 62-64 6.1 本文总结 62-63 6.2 下一步工作展望 63-64 参考文献 64-68 攻读硕士学位期间主要的研究成果 68-69 致谢 69-71
|
相似论文
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 云计算平台下的动态信任模型的研究,TP309
- 基于SVM分类算法的主题爬虫研究,TP391.3
- 基于Eucalyptus的教育知识服务模型设计与实现,TP393.09
- 云网络实验平台研究与实现,TP393.09
- 中文缺省识别研究,TP391.1
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 基于战略采购的供应商选择研究,F426.31
- 基于“词袋”模型的图像分类系统,TP391.41
- 基于云计算的数字图书馆服务模式研究,G250.76
- 海南雾的天气气候特征分析及预报方法研究,P457
- 基于Map/Reduce框架的分布式日志分析系统的研究及应用,TP311.52
- 基于纹理特征的图像分类研究,TP391.41
- 基于改进的SVM模型的肝癌识别方法的研究与实现,TP391.41
- 面向云计算的动态模糊测度方法研究,TP274
- 基于云计算的图书馆信息服务研究,G252
- 基于云计算的Web教育爬虫,TP391.3
- 云计算客户端应用系统的研究与开发,TP311.52
- 基于Hadoop的在线购物原型系统的设计与实现,TP311.52
- 基于Hadoop的移动学习系统设计与实现,G434
- 云计算在权限管理中的应用研究,TP309
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|