|
|||||
|
|
| 基于改进的分布式K-Means特征聚类的海量场景图像检索 | |
| 作者单位： | ;1.忻州师范学院计算机科学与技术系 |
| 摘 要： | 针对传统的图像检索方法在处理海量数据时面临的问题,提出一种基于改进的分布式K-Means特征聚类的海量场景图像检索方法。对分布式K-Means算法进行改进,优化了初始聚类中心的选择和迭代过程,并将其应用与场景图像的特征聚类中;充分利用Hadoop分布式平台的海量存储能力和强大并行计算能力,提出了海量场景图像的存储和检索方案,设计了场景图像特征提取、特征聚类以及图像检索三个阶段分布式并行处理的Map和Reduce任务。多组实验表明,提出的方法数据伸缩率曲线平缓,取得了优良的加速比,效率大于0.6,检索的平均准确率达到了88%左右,适合海量场景图像数据的检索。 |
| 关 键 词： | Hadoop分布式平台 MapReduce 分布式K-Means算法 特征聚类 场景图像检索 |
MASSIVE SCENE IMAGE RETRIEVAL BASED ON IMPROVED DISTRIBUTED K-MEANS FEATURE CLUSTERING |
|
| Abstract: | |
| Keywords: | |