【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第6期 381-384页,共4页

【作 者】： 卢致杰 [1,2]

【摘 要】 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。