الگوريتم Bag-of-Visual-Words در محيط هاي توزيع شده

با توسعه سريع تكنولوژي كامپيوتر، فن‌آوري اكتساب داده‌هاي تصويري و محبوبيت اينترنت، مقادير زيادي از داده‌هاي چندرسانه‌اي در حوزه‌هاي مختلف توليد شده است. بنابراين، معماري سيستم پردازش تصوير موازي، مبتني بر كلاستر و سريع، يك تمركز پژوهشي شده است. در اين مقاله يك روش Bag-of-Words (يا Bag-of-Features) براي استفاده از پياده سازي آن در پايگاه داده‌هاي NoSQL توسعه يافته است. در اين الگوريتم توجه ويژه‌اي به تسهيل پياده‌سازي آن و كاهش تعداد محاسبات به حداقل شده است. در اين مورد استفاده از يك مرحله پيش پردازش لازم است، كه در طي آن ويژگي‌هاي مشخصه تصوير بازيابي شده و با استفاده از يك الگوريتم خوشه‌بندي فرهنگ لغت ايجاد مي‌شود. ما الگوريتم k-means اصلي را تغيير داديم تا به‌طور خودكار تعداد خوشه‌ها را انتخاب كند. اين الگوريتم شامل هيچ الگوريتم كلاس‌بندي محاسباتي پيچيده نيست، ليكن از روش راي اكثريت استفاده مي‌كند. و به‌طور قابل توجهي محاسبات را ساده‌ مي‌كند و استفاده از زبان جاوا اسكريپت به‌كار رفته در يك پايگاه‌داده مشترك NoSQL را ممكن مي‌سازد. آزمايش‌هاي تجربي متعدد نشان مي‌دهد رويكرد ما از نظر نرخ سرعت و دقت خوب عمل مي‌كند.