基于分布式聚类算法的图像特征提取研究

2017-12-29摆小军张镇东

移动信息 2017年1期

吕娜摆小军张烜张镇东

基于分布式聚类算法的图像特征提取研究

吕娜摆小军张烜张镇东

国网新疆电力公司信息通信公司，新疆乌鲁木齐 830000

在计算机视觉领域，聚类算法主要用来构建视觉词汇的词袋，因其简单、高效而得到了广泛的应用。众所周知，最简单的聚类算法是K-means算法。该算法主要是通过初始化一组聚类中心，并通过计算其他样本点到聚类中心的距离判断该样本点属于某一个聚类中心。采用分布式K-means算法提取图像特征则是在分布式的环境下图像特征的提取。通过聚类的过程得到聚类中心，即字典，在得到字典后，通过特征映射函数，将输入的图像向量转换成相应的新的特征表达，用来准确表达。

聚类算法；聚类中心；特征提取；分布式

引言

1967年，J.B.MacQueen提出了K-means聚类算法，随后该算法被广泛应用在不同的领域，由于其容易实现、简单高效的特点，使其依旧是目前被研究的热点。由于K-means 算法易于描述，时间效率高，在处理大规模数据方面有很大的优势。目前，该算法在图像分类，图像检索以及自然语言处理等众多领域都有广泛的应用。

分布式K-means算法[1]是在分布式平台上实现的，主要是对大规模的数据进行聚类分析，体现了并行计算和分布式计算日益增长的趋势。其思想是：首先在各个站点上对数据进行局部聚类操作，之后将其结果输入给其他站点并聚集成最终的聚类结果。