新疆大学学报(自然科学版)(中英文)

2017, v.34;No.145(01) 70-77

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

并行Adaboost-BP算法及其在海量图像分类中的应用
The Parallel Adaboost-BP Algorithm and Application in Massive Image Classification

曹建芳;史昊;赵青杉;

摘要(Abstract):

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.

关键词(KeyWords): Adaboost-BP神经网络;图像分类;特征提取;MapReduce并行编程模型

Abstract:

Keywords:

基金项目(Foundation): 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)

作者(Author): 曹建芳;史昊;赵青杉;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享