基于Hadoop平臺的隨機森林算法研究及圖像分類系統(tǒng)實現(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，此時對于圖像內(nèi)容準確地理解顯得尤為重要。圖像分類技術(shù)融合了機器學習、人工智能等學科的先進思想和理論，旨在將原本無序分布的大批量的圖像數(shù)據(jù)進行有序地歸類，是解決圖像理解問題的基礎(chǔ)。隨機森林算法建立在決策樹模型基礎(chǔ)之上，它是多棵決策樹的組合，在分類場景中得到廣泛應(yīng)用。作為一種優(yōu)秀的分類器模型，也為圖像分類提供了新的思路。但當圖像資源的數(shù)據(jù)量特別

2、大時，分類將是一個十分耗時的過程。為了解決以上問題，本文結(jié)合Hadoop開源分布式計算平臺，研究圖像處理過程的并行化以及利用MapReduce并行計算模型對隨機森林算法進行了分布式并行設(shè)計以提高對大規(guī)模圖像分類的效率。
　　首先，本文介紹了Hadoop平臺，主要包括HDFS文件系統(tǒng)以及MapReduce框架;接著，分析了圖像分類的關(guān)鍵技術(shù)，總結(jié)了圖像分類中常用到的一些特征，重點介紹SIFT特征和BagofVisual Words特

3、征代表的實現(xiàn)過程，并闡述了幾類重要的模式分類方法;隨后，重點介紹隨機森林算法，并在此基礎(chǔ)之上，結(jié)合MapReduce計算框架，對隨機森林模型構(gòu)建過程進行雙重并行化的改進，以提高隨機森林算法的運行效率;然后，基于以上研究成果，本文構(gòu)建了基于Hadoop平臺的圖像分類原型系統(tǒng)，包括Hadoop平臺下處理圖像接口的實現(xiàn)、基于DenseSifi算法的特征采樣過程、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后的隨機森林算法進行分