基于支持向量機(jī)的圖像分類方法研究.pdf

1、面向語義的多媒體圖像檢索現(xiàn)在是圖像檢索領(lǐng)域的流行趨勢(shì)，但如何跨越“語義鴻溝”一直是困擾人們的問題。當(dāng)支持向量機(jī)在機(jī)器學(xué)習(xí)等領(lǐng)域展現(xiàn)出良好的性能后，人們開始研究將支持向量機(jī)應(yīng)用于圖像檢索領(lǐng)域，通過支持向量機(jī)分類方法提高圖像分類的精確度，改善圖像檢索的“語義鴻溝”問題。本文在深入學(xué)習(xí)SVM基本原理以及研究他人發(fā)表的關(guān)于SVM的多類分類算法的基礎(chǔ)上，提出了一種基于距離的正態(tài)二叉樹支持向量機(jī)多類分類算法改進(jìn)思想。
　　現(xiàn)在的圖像分類算法有

2、著復(fù)雜的計(jì)算，在單臺(tái)計(jì)算機(jī)上運(yùn)行這類算法非常耗時(shí)，隨著云計(jì)算平臺(tái)的出現(xiàn)，通過計(jì)算機(jī)集群的運(yùn)算能力可以提高圖像分類算法的計(jì)算的速度，本文嘗試將改進(jìn)二叉樹支持向量機(jī)多類分類算法與Hadoop平臺(tái)結(jié)合來提高算法的計(jì)算速度。
　　本文主要工作如下:
　　(1)對(duì)目前圖像分類檢索、支持向量機(jī)、云計(jì)算的研究背景、意義、國(guó)內(nèi)外現(xiàn)狀等作了綜述性分析;
　　(2)詳細(xì)介紹了SVM的相關(guān)理論、SVM多類分類算法及各種算法之間的比較，發(fā)現(xiàn)二

3、叉樹SVM多類分類算法與其它SVM多類分類算法相比具有明顯的優(yōu)勢(shì);
　　(3)簡(jiǎn)單介紹了了云計(jì)算的相關(guān)概念，重點(diǎn)對(duì)云計(jì)算實(shí)現(xiàn)方式之一的Hadoop平臺(tái)作了較為詳細(xì)的描述，特別是對(duì)HDFS的讀寫策略，MapReduce的作業(yè)流程作了詳細(xì)介紹。
　　(4)在已經(jīng)存在的各種二叉樹SVM多類分類算法的基礎(chǔ)上，本文提出了改進(jìn)的二叉樹支持向量機(jī)多類分類算法，并且通過實(shí)驗(yàn)證明了本文改進(jìn)算法具有較好的分類準(zhǔn)確性以及分類速度;
　　(5