基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着信息技术的快速发展,每天都有数以万计的图像产生,如何从中挖掘重要的图像信息是当前研究的热点问题之一,对此提出了一种关于视觉特征与CapsNet的图像大数据分类方法.为了解决大量图像数据的计算复杂度过高,以及灰度颜色直方图中没有对图像位置的问题,将图像灰度进行压缩,并采用共生矩阵和分形维数对视觉特征进行提取.采用胶囊网络中神经元的输出来表达图像中所包含的各种属性信息,为了更新胶囊网络的耦合系数,通过动态路由算法表示胶囊与子胶囊间的关系,在训练和测试中对动态路由不断进行计算得出胶囊网络的输出.把图像大数据分类算法部署到云计算节点上,采用批量更新的数据模型,将图像的训练集划分为众多数据块进行Map并行训练,利用训练样本向前、后传播得出权值梯度,并采用Reduce计算出所有训练样本权值梯度的平均值,同时对样本权值进行更新.实验结果表明,提出的方法可以有效地防止图像过拟合现象发生,图像分类的准确率和效率均有明显地提高,在图像大数据分类方面表现出显著的性能优势.
推荐文章
网络大数据平台中的特征数据分类系统设计与实现
网络大数据平台
特征数据分类系统
分类服务
云计算
云计算设备中的大数据特征高效分类挖掘方法研究
云计算
大数据
特征提取
分类挖掘
大数据的分类挖掘优化技术
大数据
信息融合
分类挖掘
聚类空间划分
特征提取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 关于视觉特征与CapsNet的图像大数据分类研究
来源期刊 计算机仿真 学科 工学
关键词 视觉特征 胶囊网络 权值梯度 图像大数据
年,卷(期) 2022,(1) 所属期刊栏目 信息仿真
研究方向 页码范围 181-185
页数 5页 分类号 TP393
字数 语种 中文
DOI 10.3969/j.issn.1006-9348.2022.01.039
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
视觉特征
胶囊网络
权值梯度
图像大数据
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机仿真
月刊
1006-9348
11-3724/TP
大16开
北京海淀阜成路14号
82-773
1984
chi
出版文献量(篇)
20896
总下载数(次)
43
总被引数(次)
127174
论文1v1指导