收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的图像分类方法研究

曹健  
【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。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 孙蕾,耿国华,周明全,李丙春;用于医学图像分类的支持向量机算法研究[J];计算机应用与软件;2004年11期
2 黄启宏;刘钊;;基于多超平面支持向量机的图像语义分类算法(英文)[J];光电工程;2007年08期
3 江勇;张晓玲;师君;;基于目标分解与支持向量机的极化SAR图像分类研究(英文)[J];中国图象图形学报;2008年08期
4 王陈飞;肖诗斌;;基于SVM的图像分类研究[J];计算机与数字工程;2006年08期
5 翟俊海;张素芳;王熙照;;基于小波变换和支持向量机的图像分类[J];河北大学学报(自然科学版);2007年03期
6 刘全中;张丽;王吉军;;基于支持向量机的图像情感分类[J];大连大学学报;2008年03期
7 周松华;肖靓;郭鸣;;基于SVM的图像分类研究[J];井冈山学院学报;2009年03期
8 贾世杰;孔祥维;;一种新的直方图核函数及在图像分类中的应用[J];电子与信息学报;2011年07期
9 何曰光;;基于支持向量机的遥感图像分析与处理[J];武警工程学院学报;2009年06期
10 张瑜慧;李洁;郑步芹;周迎春;;一种新的图像检索方法[J];现代电子技术;2008年22期
11 田昊;李国辉;廉蔺;贾立;;用于遥感图像建筑物目标分类的层次匹配核[J];计算机科学与探索;2011年07期
12 黎曦;谢毓湘;吴玲达;;基于SVM的图像分类系统设计[J];系统仿真学报;2006年S1期
13 吴永辉;计科峰;郁文贤;;基于支持向量机的极化SAR图像分类[J];现代雷达;2007年06期
14 谢菲;陈雷霆;邱航;;基于纹理特征提取的图像分类方法研究及系统实现[J];计算机应用研究;2009年07期
15 王彦明;钱建忠;潘晨;;基于SVM-2DPCA的X光胸片异常筛查[J];计算机工程;2009年18期
16 张颖彬;孟嗣仪;刘云;;基于SVM的相关反馈图像分类和检索方案[J];铁路计算机应用;2011年08期
17 潘崇;朱红斌;;基于自适应特征选择和SVM的图像分类的研究[J];计算机应用与软件;2010年01期
18 张鑫;刘秉权;张德园;刘远超;;空间金字塔颜色直方图在图像分类中的应用[J];计算机工程与应用;2010年18期
19 于瀛;陈勇;;基于曲率方向特征的图像情感语义分类[J];计算机系统应用;2009年02期
20 曾联明;吴湘滨;刘鹏;;新的分布式遥感图像分类器系统开发[J];计算机应用研究;2009年05期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 员永生;基于支持向量机分类的面向对象土地覆被图像分类方法研究[D];西北农林科技大学;2010年
2 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
3 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
4 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
5 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
6 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
7 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
8 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
9 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
10 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
中国硕士学位论文全文数据库 前10条
1 肖靓;基于支持向量机的图像分类研究[D];同济大学;2006年
2 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
3 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
4 徐晓丹;支持向量机在矿区遥感监测图像分类中的应用研究[D];辽宁工程技术大学;2009年
5 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
6 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
7 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
8 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
9 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
10 刘明霞;基于纹理特征的图像分类与检索研究[D];山东师范大学;2006年
中国重要报纸全文数据库 前10条
1 刘杰;民众网络晒照片,博物馆兴趣浓烈[N];中国摄影报;2009年
2 记者 大海;谁是世界最快的计算机?[N];计算机世界;2004年
3 记者  赵凤华 通讯员  周襄楠;超级计算平台“清华探索3号”向社会开放[N];科技日报;2006年
4 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
5 ;尽享极速冲浪快感的 Longator 2004横空出世[N];中国电脑教育报;2004年
6 李水根;计算机详解配伍与药效关系[N];健康报;2005年
7 本报记者 周晨;英特尔换“芯”[N];科技日报;2006年
8 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
9 ;IBM突破计算速度极限[N];人民邮电;2004年
10 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978