引入行为特征概念的海量图像数据分类法研究

研究海量图像数据的准确分类问题。图像数据中,图像需要表达的信息过多,形成海量特征,无法找到单一特征对单个图像进行约束。传统的图像数据分类方法通过多特征约束,运用多个特征对图像唯一性进行表达,表达特征过多,影响了分类的效率。为此,提出一种基于行为特征的海量数据分类方法。利用主成分分析方法,对采集的海量图像中的行为特征进行有效的识别,将识别的结果作为图像数据分类的依据,从而缩小图像数据分类的范围。利用人工免疫方法,根据上述行为特征,完成海量图像的数据分类。实验结果表明,利用改进算法进行海量图像数据分类,能够有效提高分类的精确度,从而为不同领域的图像应用提供保障。