基于Hadoop平臺(tái)的隨機(jī)森林算法研究及圖像分類(lèi)系統(tǒng)實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)和多媒體技術(shù)的不斷發(fā)展，海量的圖像資源和數(shù)據(jù)涌入互聯(lián)網(wǎng)，它們深刻地影響著我們的日常生活，此時(shí)對(duì)于圖像內(nèi)容準(zhǔn)確地理解顯得尤為重要。圖像分類(lèi)技術(shù)融合了機(jī)器學(xué)習(xí)、人工智能等學(xué)科的先進(jìn)思想和理論，旨在將原本無(wú)序分布的大批量的圖像數(shù)據(jù)進(jìn)行有序地歸類(lèi)，是解決圖像理解問(wèn)題的基礎(chǔ)。隨機(jī)森林算法建立在決策樹(shù)模型基礎(chǔ)之上，它是多棵決策樹(shù)的組合，在分類(lèi)場(chǎng)景中得到廣泛應(yīng)用。作為一種優(yōu)秀的分類(lèi)器模型，也為圖像分類(lèi)提供了新的思路。但當(dāng)圖像資源的數(shù)據(jù)量特別

2、大時(shí)，分類(lèi)將是一個(gè)十分耗時(shí)的過(guò)程。為了解決以上問(wèn)題，本文結(jié)合Hadoop開(kāi)源分布式計(jì)算平臺(tái)，研究圖像處理過(guò)程的并行化以及利用MapReduce并行計(jì)算模型對(duì)隨機(jī)森林算法進(jìn)行了分布式并行設(shè)計(jì)以提高對(duì)大規(guī)模圖像分類(lèi)的效率。
　　首先，本文介紹了Hadoop平臺(tái)，主要包括HDFS文件系統(tǒng)以及MapReduce框架;接著，分析了圖像分類(lèi)的關(guān)鍵技術(shù)，總結(jié)了圖像分類(lèi)中常用到的一些特征，重點(diǎn)介紹SIFT特征和BagofVisual Words特

3、征代表的實(shí)現(xiàn)過(guò)程，并闡述了幾類(lèi)重要的模式分類(lèi)方法;隨后，重點(diǎn)介紹隨機(jī)森林算法，并在此基礎(chǔ)之上，結(jié)合MapReduce計(jì)算框架，對(duì)隨機(jī)森林模型構(gòu)建過(guò)程進(jìn)行雙重并行化的改進(jìn)，以提高隨機(jī)森林算法的運(yùn)行效率;然后，基于以上研究成果，本文構(gòu)建了基于Hadoop平臺(tái)的圖像分類(lèi)原型系統(tǒng)，包括Hadoop平臺(tái)下處理圖像接口的實(shí)現(xiàn)、基于DenseSifi算法的特征采樣過(guò)程、基于BoVW模型表示圖像、構(gòu)建圖像的空間金字塔模型和利用改進(jìn)后的隨機(jī)森林算法進(jìn)行分