MapReduce框架下的实时大数据图像分类

• 作者: 冯林 刘胜蓝 张晶 王乐
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 大数据 MapReduce 在线极端学习机 人脸识别
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 图像与视觉
• 页码范围: 1263-1271
• 页数: 9页
• 分类号: TP391
• 字数: 5908字
• 语种: 中文

摘要

图像数据作为大数据的重要组成部分蕴含着丰富的知识,且图像分类有着广泛的应用,利用传统分类方法已经无法满足实时计算的需求.针对此问题,提出并行在线极端学习机算法.首先利用在线极端学习机理论得到隐层输出权值矩阵;其次根据MapReduce计算框架的特点对该矩阵进行分割,以代替原有大规模矩阵累乘操作,并将分割后的多个矩阵在不同工作节点上并行计算;最后将计算节点上的结果按键值合并,得到最终的分类器.在保证原有计算精度的前提下,将文中算法在MapReduce框架上进行拓展,以人脸图像为例对大规模图像数据进行分类的结果表明,该算法能够针对大数据图像进行快速、准确的分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯林	大连理工大学电子信息与电气工程学部计算机科学与技术学院	122	1283	20.0	31.0
5	王乐	大连理工大学电子信息与电气工程学部计算机科学与技术学院	17	151	9.0	12.0
9	张晶	大连理工大学电子信息与电气工程学部计算机科学与技术学院	23	147	6.0	11.0