基于大数据分析的混合属性图像冗余特征聚类系统设计

传统的图像聚类系统得到的聚类结果往往不是最优结果。为了解决这一问题,基于大数据分析技术设计了一种新的混合属性图像冗余特征聚类系统。系统硬件由图像搜索器、网络端服务器、特征索引器、查询器、预处理器、图像数据库、聚类器组成。图像搜索器利用Spider处理器完成搜索,利用API接口和嵌入式管理系统管理图像数据库,建立颜色直方图实现颜色特征处理。软件由图像搜索、图像特征处理、冗余特征聚类三步组成,利用IGroup算法实现聚类。与传统聚类系统进行实验对比,结果表明,新的聚类系统能够在短时间内输出最优的聚类结果,适合图像处理工作。

基于大数据的混合属性图像冗余特征聚类算法

提出一种基于大数据的混合属性图像冗余特征聚类算法。首先,给出混合属性图像构造特点,分别建立语义属性集合与非语义属性集合,对不同的图像特征进行稀疏编码,避免不同属性特征之间的混淆。其次,建立图像聚类目标函数作为特征分类准则,对不同属性特征进行精准分类。最后,采用数据挖掘技术对分类结果中的冗余特征进行挖掘,根据挖掘结果采用聚类集成算法实现对冗余特征的聚类。实验结果表明,所设计方法不仅提升了冗余特征聚类精度,聚类精度最高值达到了90%以上,而且提升了聚类效率,聚类时间始终低于0.75s,为图像处理方法提供了有效的理论支撑。