基于机器学习的图像协同分类系统的设计与实现-计算机系统结构专业论文.docxVIP

万方数据 万方数据 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 日期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 导师签名： 日 期： 日 期： 摘 要 摘 要 随着互联网技术和多媒体技术的快速发展，作为多媒体数据源之一的图像的 资源量剧增，并且深刻影响着人们生产生活的各个领域，因此，如何高效地获取 和使用图像信息，成为了当前学术界和工业界的研究热点。图像分类是图像应用 技术的基础组成部分，有着广泛的研究和应用前景。 为了克服单一机器学习算法在分类效果方面的局限性，本文在分析和比较了 已有的图像分类系统的基础上，提出了一种基于多种机器学习算法的协同预测的 图像分类系统，并进行了设计与实现。 本文主要描述了基于机器学习的图像协同分类系统的开发过程。首先，简要 的阐述了图像分类系统的发展背景和研究意义；然后对图像特征提取技术和理论 进行了详细的介绍，包括了颜色特征提取、纹理特征提取等；接着深入分析了一 些常用的机器学习算法，其中有支持向量机、朴素贝叶斯、k 最近邻和决策树； 随后对系统功能性与非功能的需求分析，简要介绍了系统的四个层；接着详细阐 述了系统的具体设计与实现，包括数据库设计、大数据块分割、多个机器学习算 法并行训练、多个机器学习算法协同预测以及动态加载和扩展机器学习算法；最 后，介绍了系统的部署和配置的方法，并对系统的关键功能进行了对比测试，测 试结果表明，与单一算法预测相比，多种机器学习算法协同预测降低了结果对分 类算法的特点以及样本的类型的依赖性，除此之外还拥有更稳定和更好的分类效 果。 关键词：图像分类 机器学习 协同预测 并行 特征向量 Abstract Abstract With the rapid development of Internet technology and multimedia technology, image resources as one of multimedia data, and deeply affect peoples production and living fields, therefore, how to access and use image information efficiently has become the research focus in the current academia and industry. Image classification is the basis of the image application component, has extensive research and application prospects. In order to overcome the limitations of single machine learning algorithm in classification effect, based on the analysis and comparison of the existing image, on the basis of the classification system, this paper proposes a collaborative forecasting based on a variety of machine learning algorithm of image classification system, and has carried on the design and implementation. This paper mainly desc