节点文献

并行Adaboost-BP算法及其在海量图像分类中的应用

免费订阅

【作者】 曹建芳史昊赵青杉

【Author】 CAO Jianfang;SHI Hao;ZHAO Qingshan;Department of Computer Science and Technology,Xinzhou Teachers University;College of Computer Science and Technology,Taiyuan University of Science and Technology;

【机构】 忻州师范学院计算机科学与技术系太原科技大学计算机科学与技术学院

【摘要】 为解决基于单节点架构的传统分类算法存在的时间效率差、分类准确率低等问题,提出了一种基于并行Adaboost-BP神经网络的海量图像分类方法.将BP神经网络作为弱分类器,由Adaboost算法组合15个BP神经网络的输出,构建了强分类器;充分利用了Hadoop平台下Map Reduce并行编程模型,提出了海量图像的自动分类模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,相对于传统的AdaboostBP神经网络算法,提出的算法在Pascal VOC2007数据集和Caltech256数据集上的平均分类准确率分别提高了14.5%和26.0%,而且算法运行耗时少,系统加速比随集群节点个数增加而增加,在图像规模增加到20 000时,加速比几乎呈线性增长趋势.实验结果充分证明,提出的方法适合海量图像的自动分类和预测.

【基金】 山西省自然科学基金(2013011017-2;2014011019-3);山西省高等学校重点教学改革研究项目(J2015099);忻州师范学院重点学科专项课题(XK201308)
【所属期刊栏目】 信息科学与技术 (2017年01期)
  • 【DOI】10.13568/j.cnki.651094.2017.01.014
  • 【分类号】TP391.41
  • 【被引频次】7
  • 【下载频次】187
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: