mapreduce框架下的实时大数据图像分类 real-time big data image classification under mapreduce framework.pdfVIP

下载本文档

1
0
约2.72万字
约 9页
2017-09-05 发布于上海
举报
版权申诉

mapreduce框架下的实时大数据图像分类 real-time big data image classification under mapreduce framework.pdf

1、本文档共9页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

mapreduce框架下的实时大数据图像分类 real-time big data image classification under mapreduce framework

第26卷第8期计算机辅助设计与图形学学报 V01．25No．8 2014年8月 Journalof Aided Computer DesignComputerGraphics MapReduce框架下的实时大数据图像分类张晶1。”，冯林1。趵+，王乐1。”，刘胜蓝1。2’ ”(大连理工大学电子信息与电气工程学部计算机科学与技术学院大连 116024) ll 2’(3v连理工大学创新实验学院大连6024) (fenglin@dlut．edu．cn) 摘要：图像数据作为大数据的重要组成部分蕴含着丰富的知识，且图像分类有着广泛的应用，利用传统分类方法已经无法满足实时计算的需求．针对此问题，提出并行在线极端学习机算法．首先利用在线极端学习机理论得到隐分割后的多个矩阵在不同工作节点上并行计算；最后将计算节点上的结果按键值合并，得到最终的分类器．在保证结果表明，该算法能够针对大数据图像进行快速、准确的分类．关键词：大数据；MapReduce；在线极端学习机；人脸识别中图法分类号：TP391 Real—TimeData Classificationunder Big Framework Image MapReduce Zhang Lel，”．andLiu Jin91，”，FengLinl，2n．Wang Shenglanl，2’ i：(、School Scienceand ofCornputer Electronic andElectrical Technology，Facultyof lnforrnation 11 Technology，Dalian6024) ”(SchoolInnovation of Ezperirnent，Dalian 116024) University0厂Technology，Dalian Abstract：Asan of datacontainsabundant importantpart bigdata，image classification of datahasbeen used，while traditional image widely nowadays，the methodsare unabletomeettheneedofreal—time solvethis computing．To a problem，we onlineextreme machine parallel the ofonlineextreme learning algorithm．Firstly，withtheory calculate machine，wethe matrixofhidden output