基于支持向量機的圖像分類方法研究.pdf

1、面向語義的多媒體圖像檢索現(xiàn)在是圖像檢索領(lǐng)域的流行趨勢，但如何跨越“語義鴻溝”一直是困擾人們的問題。當(dāng)支持向量機在機器學(xué)習(xí)等領(lǐng)域展現(xiàn)出良好的性能后，人們開始研究將支持向量機應(yīng)用于圖像檢索領(lǐng)域，通過支持向量機分類方法提高圖像分類的精確度，改善圖像檢索的“語義鴻溝”問題。本文在深入學(xué)習(xí)SVM基本原理以及研究他人發(fā)表的關(guān)于SVM的多類分類算法的基礎(chǔ)上，提出了一種基于距離的正態(tài)二叉樹支持向量機多類分類算法改進思想。
　　現(xiàn)在的圖像分類算法有

2、著復(fù)雜的計算，在單臺計算機上運行這類算法非常耗時，隨著云計算平臺的出現(xiàn)，通過計算機集群的運算能力可以提高圖像分類算法的計算的速度，本文嘗試將改進二叉樹支持向量機多類分類算法與Hadoop平臺結(jié)合來提高算法的計算速度。
　　本文主要工作如下:
　　(1)對目前圖像分類檢索、支持向量機、云計算的研究背景、意義、國內(nèi)外現(xiàn)狀等作了綜述性分析;
　　(2)詳細介紹了SVM的相關(guān)理論、SVM多類分類算法及各種算法之間的比較，發(fā)現(xiàn)二

3、叉樹SVM多類分類算法與其它SVM多類分類算法相比具有明顯的優(yōu)勢;
　　(3)簡單介紹了了云計算的相關(guān)概念，重點對云計算實現(xiàn)方式之一的Hadoop平臺作了較為詳細的描述，特別是對HDFS的讀寫策略，MapReduce的作業(yè)流程作了詳細介紹。
　　(4)在已經(jīng)存在的各種二叉樹SVM多類分類算法的基礎(chǔ)上，本文提出了改進的二叉樹支持向量機多類分類算法，并且通過實驗證明了本文改進算法具有較好的分類準確性以及分類速度;
　　(5