远程教育中云存储机制下图像数据分类模型优化的设计.docVIP

远程教育中云存储机制下图像数据分类模型优化的设计 　　摘要：远程教育中云存储机制下存有海量图像数据，在海量数据中存在大量与需要检索的特定图像特征相近的冗余图像，传统的基于图像特征的分类方法，由于关键帧准确性较低，造成图像分类不准确，导致远程教育中图像数据的检索准确性较低。为此，提出基于关联规则挖掘算法的图像数据优化分类方法。对可能是冗余的图像数据进行微调，使待检索图像关键帧处于准确的变化区间内,利用图像校验方法，消除冗余图像，对校验结果进行二次检验，降低了建立图像数据特征关联的偏差，实现了对图像数据的准确分类。实验结果表明，利用该方法能够对远程教育中云存储机制下的图像数据进行准确检索。 　　关键词：远程教育;云储存机制;图像数据分类;图像检索 　　中图分类号：TP317.4文献标识码：A文章编号：1672??7800（2014）007??0144??03 　　 　　0引言 　　 随着计算机技术的快速发展，越来越多的人选择远程教育接受教育培训，远程教育的教学资源规模也越来越庞大［1］。这些教学资源利用云存储系统实现共享。教学资源中存有海量的图像数据，在进行远程教育的过程中，经常会检索特定的图像［2］，如果图像信息不能有效提取，会降低远程教育效率［3］，浪费大量网络资源。因此，如何对云储存机制下的远程教育资源中图像进行有效检索，成为远程教育领域研究的热门问题［4］。