版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著大數(shù)據(jù)時代的到來,各種信息呈現(xiàn)爆炸式增長,尤其圖像數(shù)據(jù),不僅豐富而且抽象。傳統(tǒng)的圖像檢索技術(shù)與聚類算法受到單機(jī)架構(gòu)的制約,不能滿足當(dāng)今的實(shí)時性需求。為了幫助快速有效的完成圖像檢索,迫切需要分布式處理架構(gòu)來協(xié)助實(shí)現(xiàn)相關(guān)機(jī)器學(xué)習(xí)算法,目前分布式框架有很多,其中Spark基于內(nèi)存的計(jì)算模式,非常適合迭代的機(jī)器學(xué)習(xí)算法,而且相比流行多年的Hadoop框架,Spark做機(jī)器學(xué)習(xí)甚至可以快100多倍。所以這里選用Spark分布式計(jì)算框架,來實(shí)現(xiàn)
2、大數(shù)據(jù)背景下的圖像檢索相關(guān)聚類算法。
文章首先詳細(xì)闡述了Spark分布式計(jì)算框架的運(yùn)行原理、編程模型以及機(jī)器學(xué)習(xí)庫,又探討了CUDA架構(gòu)的編程模型、線程組織結(jié)構(gòu)及對應(yīng)的硬件架構(gòu),然后探討了視覺詞袋模型在圖像檢索架構(gòu)中的應(yīng)用及遇到的瓶頸。在此基礎(chǔ)上,結(jié)合Spark分布式計(jì)算框架與CUDA架構(gòu)實(shí)現(xiàn)了基于Spark-GPU技術(shù)的常用的圖像聚類算法K-means,并在Spark以及CUDA架構(gòu)中分別實(shí)現(xiàn)了子空間聚類算法Local Be
3、st-Fit Flat(LBF)。這里主要做了以下三個主要貢獻(xiàn):
(1)在Linux操作系統(tǒng)環(huán)境下,搭建了Spark分布式計(jì)算平臺與GPU計(jì)算環(huán)境,并在Spark以及Spark-GPU云平臺上分別實(shí)現(xiàn)了聚類算法K-means,經(jīng)過兩者性能比較,證明了Spark-GPU技術(shù)對K-means聚類算法進(jìn)行了有效加速。
(2)通過分析子空間聚類算法Local Best-Fit Flat(LBF)的可并發(fā)性,完成了其在Spar
4、k云平臺和CUDA架構(gòu)上的實(shí)現(xiàn),并分析了導(dǎo)致Spark-LBF的低效率的根本原因,然后將最為耗時的C選K個最優(yōu)子空間的任務(wù)轉(zhuǎn)移給適合并行計(jì)算的GPU,使得算法性能獲得有效提升。
(3)總結(jié)出基于視覺詞袋模型的圖像檢索解決方案。在模型構(gòu)建過程中敏銳的觀察到架構(gòu)的瓶頸所在,將架構(gòu)中涉及到的圖像聚類算法K-means和子空間聚類算法LBF進(jìn)行性能優(yōu)化,從而服務(wù)于圖像檢索架構(gòu)。
經(jīng)過多次對比實(shí)驗(yàn),表明了基于Spark-GPU
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向大數(shù)據(jù)的聚類方法及其應(yīng)用研究.pdf
- 基于大數(shù)據(jù)的聚類算法研究及應(yīng)用.pdf
- 聚類方法在生物數(shù)據(jù)中的研究與應(yīng)用-基因表達(dá)數(shù)據(jù)聚類方法研究.pdf
- 地理時空大數(shù)據(jù)高效聚類方法研究.pdf
- 高維數(shù)據(jù)的聚類方法研究與應(yīng)用.pdf
- 基于復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)大數(shù)據(jù)聚類應(yīng)用研究.pdf
- 一種面向大數(shù)據(jù)集的部分優(yōu)先聚類算法.pdf
- 面向高維數(shù)據(jù)的PCA-Hub聚類方法研究.pdf
- 面向大規(guī)模數(shù)據(jù)集的譜聚類方法研究.pdf
- 大數(shù)據(jù)背景下的聚類算法研究.pdf
- 面向數(shù)據(jù)流的數(shù)據(jù)聚類算法研究.pdf
- 面向大規(guī)模數(shù)據(jù)的聚類算法研究及應(yīng)用.pdf
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應(yīng)用.pdf
- 面向數(shù)據(jù)流模糊聚類算法的應(yīng)用研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)大數(shù)據(jù)聚類研究.pdf
- 大數(shù)據(jù)分析中的聚類算法研究.pdf
- 定性數(shù)據(jù)的聚類方法及其應(yīng)用探析.pdf
- 基于Hadoop平臺的視覺數(shù)據(jù)聚類研究與實(shí)現(xiàn).pdf
- 面向塊數(shù)據(jù)的層次聚類算法研究.pdf
- 大數(shù)據(jù)的序貫預(yù)測和聚類研究.pdf
評論
0/150
提交評論