并行图像聚类论文-张振,冯永亮,赵津曼

并行图像聚类论文-张振,冯永亮,赵津曼

导读:本文包含了并行图像聚类论文开题报告文献综述及选题提纲参考文献,主要关键词:Spark,聚类,K-means,大数据

并行图像聚类论文文献综述

张振,冯永亮,赵津曼[1](2019)在《一种基于Spark的图像聚类并行化算法》一文中研究指出在分析Spark并行计算框架的基础上,结合K-means聚类算法特征,设计了一种基于Spark的图像聚类并行化算法,该算法针对RDD进行分布式迭代计算,同时将运算的中间结果分布式缓存到各个节点的内存中,有效降低了内存读取和磁盘I/O操作的延迟,有效提高了并行计算效率。经测试,该算法提高了图像聚类的性能。(本文来源于《电子制作》期刊2019年Z1期)

左利云,罗成煜,左右祥[2](2015)在《基于EnFCM的海量图像聚类分割算法的并行研究》一文中研究指出图像分割的处理速度成为大规模图像数据处理的瓶颈。本文提出一种基于En FCM的图像聚类分割模型,直接对图像像素的灰度级进行聚类,能显着提高图像聚类分割的处理速度。为进一步提高处理速度,结合En FCM图像聚类分割模型特点,设计了叁种并行优化策略——纯MPI并行方法、MPI+Open MP混合编程方法和CUDA并行架构方法 ,使其适合于大规模图像处理。实验结果表明,提出的叁种并行优化策略都取得良好的加速效果。(本文来源于《微型机与应用》期刊2015年15期)

曹磊,程建来[3](2013)在《图像聚类的并行化》一文中研究指出随着科技进步,包括网络图片和视频监控在内的图像数据出现了迅速的增长。如何有效管理图像数据成为一个挑战。图像聚类是图像数据管理的重要一环。本文实现Hadoop平台下尺度不变特征转换算法(Scale Invariant FeatureTransform,SIFT)和K-means聚类的MapReduce并行化,并且取得不错的效果。(本文来源于《计算机与现代化》期刊2013年02期)

并行图像聚类论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

图像分割的处理速度成为大规模图像数据处理的瓶颈。本文提出一种基于En FCM的图像聚类分割模型,直接对图像像素的灰度级进行聚类,能显着提高图像聚类分割的处理速度。为进一步提高处理速度,结合En FCM图像聚类分割模型特点,设计了叁种并行优化策略——纯MPI并行方法、MPI+Open MP混合编程方法和CUDA并行架构方法 ,使其适合于大规模图像处理。实验结果表明,提出的叁种并行优化策略都取得良好的加速效果。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

并行图像聚类论文参考文献

[1].张振,冯永亮,赵津曼.一种基于Spark的图像聚类并行化算法[J].电子制作.2019

[2].左利云,罗成煜,左右祥.基于EnFCM的海量图像聚类分割算法的并行研究[J].微型机与应用.2015

[3].曹磊,程建来.图像聚类的并行化[J].计算机与现代化.2013

标签:;  ;  ;  ;  

并行图像聚类论文-张振,冯永亮,赵津曼
下载Doc文档

猜你喜欢