基于MapReduce框架的实时大数据图像分类研究

图像数据属于大数据的一种,其蕴含着大量的知识,并且图像分类被广泛地应用于各个领域中。传统图像分类模式过于落后和单一,已经无法满足大数据时代实时计算的需求,为了解决这一问题,现利用MapReduce框架,提出一种新型、先进的实时大数据图像分类算法。首先,针对MapReduce并行化计算框架特征,利用在线极端学习机得出权值矩阵;然后采用矩阵分割的方式,取代并淘汰传统的大规模矩阵累乘操作;再对分割后的矩阵进行节点并行计算。在此基础上,将各个节点的最终计算结果进行汇总和合并,从而得到图像分类器,在保证最终计算结果真实性、准确性和完整性的基础上,对MapReduce框架不断拓展和优化,并采用实时大数据分类的方式对人脸图像进行分类。结果表明:MapReduce框架具有很高的有效性和可行性,不仅可以实现对大数据图像的精确化、科学化和规范化分类,还能保证大数据图像分类的效率和效果。