计算机系统应用ＩＳＳＮ １００３—３２５４，ＣＯＤＥＮ ＣＳＡＯＢＮ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍｓ＆Ａｐｐｌｉｃａｔｉｏｎｓ，２０１８，２７（９）：１９３—１９８（ｄｏｉ：１０．１５８８８￣．ｃｎｋｉ．ｃｓａ．００６５３７】 ◎中国科学院软件研究所版权所有． Ｅ—ｍａｉｌ：ｃｓａ＠ｉｓｃａｓ．ａｃ．ｃｎ ｈｔｔｐ：／／ｗｗｗ．ｃ—ｓ－ａ．ｏｒｇ．ｃｎ Ｔｅｌ：＋８６－１０—６２６６１０４１ 改进随机森林算法的图像分类应用① 张志禹，吉元元，满蔚仕 （西安理工大学自动化与信息工程学院，西安７１００４８） 摘要：针对随机森林算法中节点方式单一且相似的问题，提出一种改进节点方式的优化算法，将算法中 的节点方式ＩＤ３与ＣＡＲＴ进行重新组合，通过自适应参数选择得到新的规则，用于最优属性的选择 划分并应用于图像分类问题．首先以词袋模型为基础，加入空间金字塔结构来提取图像特征，并将其量化成视觉词 汇，最后结合Ｓｐａｒｋ平台用改进节点方式的随机森林算法实现图像分类．实验结果表明，通过选择组合算法的 最优系数，该算法有效提高图像分类准确率，并保证算法运行效率． 关键词：图像分类；随机森林；节点；空间金字塔 引用格式：张志禹，吉元元，满蔚仕．改进随机森林算法的图像分类应用．计算机系统应用，２０１８，２７（９）：１９３—１９８．ｈｔｔｐ：／／ｗｗｗ．Ｃ—Ｓ．ａ．ｏｒｇ．ｃｎ／１００３． ３２５４／６５３７．ｈｔｍｌ Ｉｍａｇｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ａｐｐｌｉｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｉｍｐｒｏｖｅｄ Ｒａｎｄｏｍ Ｆｏｒｅｓｔ Ａｌｇｏｒｉｔｈｍ ＺＨＡＮＧ Ｚｈｉ－Ｙｕ，ＪＩ Ｙｕａｎ—Ｙｕａｎ，ＭＡＮ Ｗｅｉ—Ｓｈｉ （Ｆａｃｕｌｔｙ ｏｆＡｕｔｏｍａｔｉｏｎ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＴｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｌｌ ７１００４８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｎ ｉｍｐｒｏｖｅｄ ｒａｎｄｏｍ ｆｏｒｅｓｔ ｎｏｄｅ ｓｐｌｉｔｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｓｔｕｄｙ ｆｏｒ ｉｍｐｒｏｖｉｎｇ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅ ｉｎｄｅｐｅｎｄｅｎｔ ｓｐｌｉｔｔｉｎｇ ｍｅｔｈｏｄ ＩＤ３ ａｎｄ ＣＡＲＴ ａｒｅ ｒｅ－ｃｏｍｂｉｎｅｄ，ａｎｄ ｎｅｗ ｓｐｌｉｔｔｉｎｇ ｒｕｌｅｓ ａｒｅ ｏｂｔａｉｎｅｄ ｂｙ ａｄａｐｔｉｖｅ ｐａｒａｍｅｔｅｒ ｓｅｌｅｃｔｉｏｎ．Ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｔｈｅ ｂａｇ—ｏ￣ｗｏｒｄｓ ｍｏｄｅｌ，ｔｈｅ ｓｐａｔｉａｌ ｐｙｒａｍｉｄ ｍｏｄｅｌ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｔｏ ｅｘｔｒａｃｔ ｉｍａｇｅ ｆｅａｔｕｒｅｓ．Ａｆｔｅｒ ｄｉｖｉｄｉｎｇ ｔｈｅ ｉｍａｇｅ ｉｎｔｏ ｄｉｆｆｅｒｅｎｔ ｇｒｉｄｓ，ｋ—ｍｅａｎｓ ａｌｇｏｒｉｔｈｍ ｉｓ ｔｈｅｎ ｕｓｅｄ ｔｏ ｃｈａｒａｃｔｅｒ ｃｌｕｓｔｅｒｉｎｇ．Ｆｉｎａｌｌｙ，ｉｔ ｕｓｅｓ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｖｅｒｉｆｉｃａｔｉｏｎ ｏｎ ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｉｍａｇｅｓ ｏｎ Ｓｐａｒｋ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｃａｎ ｂｅ ａｐｐｌｉｅｄ ｔｏ ｄｉｓｔｒｉｂｕｔｅｄ ｓｙｓｔｅｍｓ，ａｎｄ ｃａｎ ｇｒｅａｔｌｙ ｉｍｐｒｏｖｅ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ｗｈｉｌｅ ｅｎｓｕｒｉｎｇ ｔｈｅ ｅｆｉｃｉｅｎｃｙ ｏｆ ｆｔｈｅ ａｌｇｏｒｉｔｈｍ ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ． Ｋｅｙ ｗｏｒｄｓ：ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｒａｎｄｏｍ ｆｏｒｅｓｔ；ｎｏｄｅ ｓｐｌｉｃｉｎｇ；ｓｐａｔｉａｌ ｐｙｒａｍｉｄ ｍｏｄｅｌ １引言 随着互联网技术、多媒体应用和计算机视觉的不 断发展，对于海量场景图像的分类处理成为不容小觑 图像分类是通过提取图像的底层特征，如颜色、纹理 等特征．但是，这些算法对应的是全局信息从而确定目 标的整体结构不能变，且会因为图像缺失或者光线或 遮挡问题而受到影响，这样在处理复杂图像时效果并 不理想．Ａｖｉｌａｌ１］在图像分类中用到了词袋模型，并且引 入了基于密度函数的池策略．这种方法能够更好地代 表词典的码字并描述图像．将该方法用在视频和图像 分类上，都有不错的分类效果．Ｌｉ等人【２１将视觉词汇与 的问题．近年来，主要以词袋模型（Ｂａｇ ｏｆＷｏｒｄ，ＢｏＷ）、 卷积神经网络等图像分类算法的有效分类性能吸引了 更多的关注．图像分类己成为管理应用图像数据的关 键技术，由于图像的多样性和复杂性以及类内的差异 性，如何更加准确全面地表示图像是一个问题．早期的 ①基金项目：国家自然科学基金（４１３９０４５４） Ｆｏｕｎｄａｔｉｏｎ ｉｔｅｍ：Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆＣｈｉｎａ ｆ４１３９０４５４） 收稿时间：２０１８一Ｏ１—２３；修改时间：２０１８—０２—２７；采用时间：２０１８—０３—０６；ｃｓａ在线出版时间：２０１８．０８—１６ Ｓｏｆｔｗａｒｅ Ｔｅｃｈｎｉｑｕｅ·Ａｌｇｏｒｉｔｈｍ软件技术·算法１ ９３ 计算机系统应用 ｈｔｔｐ：ｌｌｗｗｗ．Ｃ－Ｓ—ａ．ｏｒｇ．ｃｎ ２０１８年第２７卷第９期 空间金字塔匹配模型结合，提出了一种仿射传播聚类 算法用于高分辨率遥感图像分类，实验结果表明该算 法分类性能优于传统聚类算法． 在本文中实现图像分类的步骤如下： Ｓｔｅｐ１．利用ＳＵＲＦ特征进行图像特征采样 ，再利 用局部特征描述子形成对这些向量的表达； ｓ ２．对图像的特征向量进行聚类得到视觉单词ＬＪ ， 计算每幅图片到这些视觉单词的距离，并将其映射到 随机森林算法在处理非平衡数据集、连续变量与 决策树节点算法【３］问题等方面提出和发展了许多 新方法．对场景图像进行特征提取后的后续分类，本文 拟采用随机森林（Ｒａｎｄｏｍ Ｆｏｒｅｓｔ，ＲＦ）算法做进一步的 研究．文献『４］中提出一种新的特征加权方法和决策树 选择方法（Ｉｍｐｒｏｖｅｄ Ｒａｎｄｏｍ Ｆｏｒｅｓｔ，ＩＭＲＦ），结合协同 距离最近的视觉单词，完成每幅图像的词频表达［１２１； Ｓｔｅｐ３．利用改进的自适应节点随机森林算法 ｆＳｅｌｆ－Ａｄａｐｔｉｖｅ Ｎｏｄｅ Ｓｐｌｉｔ Ｒａｎｄｏｍ Ｆｏｒｅｓｔ，ＳＡＮＳ—ＲＦ）进 服务，使随机森林算法适用于多类大量图像数据的分 类．利用该方法，在不增加误差界的前提下，有效地减 少子空间的大小，提高分类性能．Ａｒｃｈａｎａ Ｃｈａｕｄｈａｒｙ等 人【５】由随机森林机器学习算法、属性评估方法和实例 过滤方法组成一种新的随机森林分类器方法，并用于 多类别花生病害分类问题，并极大提高分类精度．但是， 这些方法在海量数据的分类效率与分布式计算问题上 还存在一定的制约，同时分类精度也有待进一步提高， 难以适应信息量的爆炸式增长，因此相关问题上还有 待进一步学习研究． Ａｐａｃｈｅ Ｓｐａｒｋ集群计算平台【６ ｒ如图ｌ１是一个基 于内存计算的开源运算系统，在运算速度上可以满足 人们的需要；Ｓｐａｒｋ启用了内存分布数据集［８］，除了能 够提供交互式查询外，它还可以优化迭代工作负载，具 有很好的容错机制【９】，该机制可以维护“血统”，可以记 录特定数据转换操作行为的过程．同时Ｓｐａｒｋ可以很 好的兼容Ｈａｄｏｏｐ生态系统，这使得其应用发展都有了 很好的基础．因此本文中，有关于场景图像分类的若干 步骤将在该平台下进行，有利于对大数据量问题的研 究与分布式计算的实现． ④④⑧④ ＨＤＦＳ，Ａｍａｚｏｎ Ｓ３，Ｈｂａｓｅ，Ｈｙｐｅｒｔａｂｌｅ，ｅｔｃ 图１ Ｓｐａｒｋ生态系统 １ ９４软件技术·算法Ｓｏｆｔｗａｒｅ Ｔｅｃｈｎｉｑｕｅ·Ａｌｇｏｒｉｔｈｍ 行图像分类并利用包外图像进行验证，改进算法及涉 及到的理论会在后续段落重点介绍． ２空间金字塔模型 ２．１词袋模型 在场景图像分类的众多算法中，ＢｏＷ模型的最大 优点是将图像表示为视觉词汇，更容易识别并表示出 图像中感兴趣的部分【Ｉ引，即将图像看作一个“文档”，关 键词就是提取图像的ＳＵＲＦ特征，称为“视觉词典”【】 ． 为了在特征点检测与匹配实现尺度不变性，ＳＵＲＦ 算法首先用Ｈｅｓｓｉａｎ矩阵确定候选点，然后进行非极大 抑制，会使计算复杂度降低许多．Ｈｅｓｓｉａｎ矩阵是ＳＵＲＦ 算法的核心，即根据图像中每一个像素点的Ｈｅｓｓｉａｎ矩 阵，如式（１），得到Ｈｅｓｓｉａｎ判别式，如式（２），其值即是 Ｈｅｓｓｉａｎ矩阵的特征值，可以用该式的结果对像素点进 行分类： ｝ ｝ ＯｑＸ２ Ｈ（ｆ（ｘ，），））＝ ｖ ａ －厂 ａ０＿厂 ０ｘＯｙ ０ｙ２ （ ０２ｆ Ｏ２ｆ一（ ） （２） 在ＳＵＲＦ算法中，通常利用图像像素 （ ，），）代替原 始的ｆ（ｘ，ｙ），通过特定核间的卷积计算二阶偏导数，可 以得到Ｈｅｓｓｉａｎ矩阵的三个元素 ， ， ，因此Ｈｅｓｓｉａｎ 矩阵如下所示： ＝ｌ Ｌｘｘ（Ｘ五，０Ｏｒ＇）Ｌｘ ｙ（ｘ ，Ｏｒ；ｌ （３） 同时选用二阶标准高斯函数作为滤波器，即在 Ｈｅｓｓｉｎａ矩阵构造前，需对其进行高斯滤波： Ｌ（ｘ， ）＝Ｇ（ｆ）·Ｊ（五ｆ） （４） ２０ｌ８年第２７卷第９期 ｈｔｔｐ：／／ｗｗｗ．Ｃ—Ｓ—ａ．ｏｒｇ．ｃｎ 计算机系统应用 其中Ｌ（ｘ，ｔ）代表一幅图像在不同解析度下的表示， Ｃ（ｔ）代表高斯核，公式如下： Ｇ（ｆ）： ０２ｇ（ｔ） （ ）＝Ｆ ＝（（Ｆｒｏ１）Ｔ，． －－，（Ｆ Ｍ』Ｊ）Ｔ）ＴｆＷ～Ⅳ∈Ｒ～Ｗｄ ，（９） 以上公式可以将需要分类的图像更好表示 （５） ｏ 。 以上计算可以判别特征点，为此Ｈｅｒｂｅｒｔ ＢａｙｔＨ 提 出用近似值代替Ｌ（ｘ，ｆ），为减小准确值与近似值之间的 误差引入权值，权值随尺度变化，则Ｈｅｓｓｉａｎ矩阵的判 别式表示为： ｄｅｔ（ＨａｐＤｒ０ｘ）＝Ｄ Ｄ ｖ一（０．９Ｄ ） （６） ３随机森林算法 ３．１算法简介 随机森林是一种组合分类器，它利用Ｂｏｏｓｔｒａｐ重 抽样方法从原始样本中抽取多个样本［１６１构造子数据集． 利用子数据集形成基决策树并对其进行训练，ＲＦ在决 策树的训练中引入了随机属性选择，即对基决策树的 每个节点，先从该节点的属性集合中随机选择一个包 含ｋ个属性的子集，然后再从这些子集中选择一个最 具体公式推导可详见文献［１４］． 通过以上方法可以生成尺度空间，再通过精确定 位特征点，选取特征点主方向确定的步骤，就可以构造 ＳＵＲＦ特征点描述算子，进行图像特征提取． ２．２空间金字塔结构 利用上一小节提到的词袋模型表示图像可以得到 一优属性用于节点，这样可以使每棵决策树彼此不 同，提升系统的多样性，然后将这些决策树组合在一起， 利用Ｂｏｏｓｔｒａｐ中未抽取到的样本作为包外数据集进行 验证，并通过投票法得到分类结果，从而提升分类性能， 算法流程图如图３所示． 个不错的分类效果，但是该模型没有考虑图像的空间 位置信息，得到的是图像的一个无序集合．因此在这一 步骤中引入了空间金字塔模型，以达到充分利用图像 空间信息的要求． 该模型首先对局部特征量化，然后在每个金字塔 水平把图像划分为细网格序列 １，从每个金字塔水平 的网格中提取特征，同时给每层网格分配一个权重，按 权重把每层网格特征加权串联在一起，如图２所示． 图２空间金字塔模型示意图 图３随机森林算法 Ｆ＝（ ， ，…， １）’…，斤一，…， Ｌ（ －Ｉ）） （７） 节点是ＲＦ算法的核心步骤，通过节点才 能产生一颗完整的决策树【ｌ ．每棵树分支的生成，都是 按照某种规则选择属性，这些规则主要包括信息 ＝｛ 。 ㈣ 增益最大、信息增益率最大和Ｇｉｎｉ指数最小等原则． 然后选择某个属性作为属性，并按照其划分实现 决策树分支生长．随着划分过程的进行，节点的纯度越 来越高，即该节点所包含的样本尽可能的属于同～ Ｓｏｆｔｗａｒｅ Ｔｅｃｈｎｉｑｕｅ·Ａｌｇｏｒｉｔｈｍ软件技术·算法１ ９５ 计算机系统应用 ｈｔｔｐ：ｌｌｗｗｗ．Ｃ·Ｓ—ａ．ｏｒｇ．ｃｎ ２０１８年第２７卷第９期 类别． 值为最小，即ＩＤ３与ＣＡＲＴ均最优作为节点划分准 ３．２改进随机森林算法 大量研究都证明了随机森林算法具有较高的分类 准确率，对异常值和噪声有很好的容忍度，而且不易出 现过拟合．本文提出的ＳＡＮＳ．ＲＦ算法，通过参数的自 适应选择过程，来优化算法中决策树的节点算法， 达到提高算法分类精度的目的． 对同一个数据集，选择不同的节点算法，也会 因选择的属性不相同而得到不同的决策树，得出随机 森林的分类精度会有差异．因此提出在生成决策树时， 选择最优的属性进行节点，即将节点算法进 行线性组合，形成新的规则，应用于节点属性的选 择划分．由于Ｓｐａｒｋ ｍｌｌｉｂ的随机森林算法中集成的节 点算法只有ＩＤ３和ＣＡＲＴ。因此节点优化的 考虑暂定这两种算法上，其节点公式表示用属性 口对样本集Ｄ进行划分所获得的信息增益与基尼指数分 别如下： ｖ 则可提升分类效果． 由于不同图像集中图像的特征是不同的，所以 ＳＡＮＳ．ＲＦ算法中的参数选择也难以固定，因此采用自 适应参数选择过程，得出最优的组合参数，对于参数 口， 应满足上式中的约束条件． 实验中采用分类错误率与准确率进行性能度量， 对于样本Ｄ，分类错误率定义为： Ｅ（，；ＪＤ）＝一１ ＩＩ（． ）≠Ｙｉ） （１５） ｍ吾 准确率则定义为： （ｆ；Ｄ）－１ ｍ ＩＩ（ｆ（ｘｉ）＝Ｙｉ）＝ｌ—Ｅ（，；Ｄ） （１６） 具体实验效果在下节进行对比验证． ４实验过程及结果 （ ）（１０） ）一 ４．１空间金字塔模型 本节通过对比实验来验证词袋模型与空间金字塔 模型的分类效果，实验设置为对Ｃａｌｔｅｃｈｌ０ｌ，２５６ ０ｂｉｅｃｔＣａｔｅｇｏｒｉｅｓ，ＳＵＮ２０ｌ２三种数据集中如图４ 所示，对这些图像提取特征并聚类，最后利用包外数据 进行测试得到分类错误率ｔｅｓｔＥｒｒ，每组实验进行多次 取平均值作为最终实验数据，实验结果如图５所示． Ｇ ，口）＝∑ｖ ＩＤ＂ＩＧ ｆ（Ｄ ） ｌ’＝ｌ 一 （１ １） 其中Ｄ 表示第ｖ个分支节点包含的Ｄ中所有在属性ａ上 取值为ａｖ的样本： Ｅｎｔ（Ｄ）＝一＞．ｐｋｌｏｇ２Ｐｋ ｌＹｌ ｂｔ （１２） Ｇｉ，ｚｆ（Ｄ）：∑∑ｐ ｐ ＝１一∑ｐ； （１３） ＝Ｉ ｋ ≠ ＝Ｉ ｓｐｅａｒ ｅａｒｐｈｏｎｅ ｃｕｐ ｇｅｒｅｎｕｋ 式（１２）和式（１３）分别表示数据集Ｄ的信息熵与 基尼值． 表１ 节点算法对比 算法节点准则 准则指标 划分的数据集中样本的纯度 ＩＤ３ 信息增益最大 （ａ）Ｃａｌｔｅｃｈ １０１数据集 鳓篓 ■逸 ｂｅａｒ ｂｒｅａｄｍａｋｅｒｅｙｅｇｌａｓｓｅｓ ｍａｉｌｂｏｘ ｐｙｒａｍｉｄ ｔｒｅａｄｍｉ Ｃａｔｅｇｏｒｉｅｓ数据集 （ｂ）２５６ＯｂｊｅｃｔＣＡＲＴ Ｇｉｎｉ指数最小 从数据集中随机抽两个样本不同的概率 结合表ｌ内容，节点准则应以划分后数据集 纯度更高为目标，因此组合节点公式为： Ｈ＝ｍ ｉｎ Ｆ｛Ｄ，ａ｝＝ｏｆＧｉｎｉ（Ｄ，ａ）－ｆｌＧａｉｎ（Ｄ，口） ｎ ∈尺 ａｂｂｅｙ ｄｏｏｒｗａｙ ｊｅｔｔｙ ｔｏｗｅｌ ｒｉｖｅｒ （Ｃ）ＳＵＮ ２０１２数据集 ｓａｕｎａ ｆ 口＋ ＝１ Ｓ．ｔ．｛１ ０ ，（１４） 图４数据集样本 卢 １ 从图５中数据可以看出对这三种数据集，在词袋 模型的基础上引入空问金字塔模型可以有效的提高分 其中，参数口， 代表两种算法在Ｈ（ｘ）ｒＯ的系数，式中取 １ ９６软件技术·算法Ｓｏｆｔｗａｒｅ Ｔｅｃｈｎｉｑｕｅ·Ａｌｇｏｒｉｔｈｍ ２０１８年第２７卷第９期 ｈｔｔｐ：Ｎｗｗｗ．ｃ－ｓ－ａ．ｏｒｇ．ｃｎ 计算机系统应用 类准确度，降低错误率，因此在后续算法改进中会以此 果如图７至图９所示，其中，ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ 模型为基础继续进行． ４８ ４。 ３２ 量２４ ｌ６ ８ 。 词袋模型 空间金字塔 图５空间金字塔与词袋模型对比结果 ４．２分布式ｖｓ单机版 图像分类算法的计算时间会随着图片数量增加而 急剧增加，但是在大数据平台下，可以利用分布式处理 来缩短程序的运行时间，该平台有三个节点分别为 ｍａｓｔｅｒ，ｓｌａｖｅｌ，ｓｌａｖｅ２，其内存为８ ＧＢ，４线程运行，同 时将图片的视觉特征文件存放在Ｈａｄｏｏｐ ＨＤＦＳ分布 式系统中，Ｓｐａｒｋ单机版与分布式系统运行对比结果见 表２，运行时间以分钟为单位． 表２ 单机与分布式运行时间对比 加速比是指同一个任务在单机系统和分布式系统 中运行所用时间的比率，用来衡量分布式算法的效率， 其计算公式为Ｓｐ＝Ｔ１／Ｔ２，Ｔ１是单节点下运行时间， 是分布式运行时间，结果如图６所示． ４．３改进随机森林算法的结果 根据上一节中ＳＡＮＳ．ＲＦ算法的改进公式可知，线 性组合算法的系数值对分类结果会有重要的影响，因 此本节中首先用不同图像集中的１０００幅图片进行测 试，人为给定参数值，并以包外数据的分类错误率 ｔｅｓｔＥｒｒ作为指标进行验证，实验结果如表３所示． 由表３可知对不同图像集参数的最优组合是不能 固定的，因此引入参数的自适应选择来得到最优的分 类结果是合理的． ＳＡＮＳ．ＲＦ算法的在三种不同图像集上的分类结 Ｍａｃｈｉｎｅ）是通常情况下图像分类会选择的算法，原始 ＲＦ指Ｓｐａｒｋ平台上未改进的随机森林方法。ＩＭＲＦ为 文献［４】中提出的利用权重与决策树选择的随机森林改 进算法． ２·９ ２．８ ２·７ ２．６ 型２．５ ２·４ ２．３ ２·２ ２．１ ２００ ３００ ４００ ５００ ６００ ７００ ８００ ９００ １０００ ｌ１０Ｏ 图片（幅） 图６ Ｓｐａｒｋ平台加速比结果图 表３ ＳＡＮＳ．ＲＦ算法参数验证表 ０．９５ ０．９０ 分 耋 ８ ０．８５ ０．８０ Ｏ．７５ 图７图像集１（Ｃａｌｔｅｃｈ一１０１）中算法分类准确率对比 通过这几种算法的对比，实验结果表明，本文中提 出的ＳＡＮＳ—ＲＦ算法有着很好的分类准确率，远远高于 基础ＲＦ算法与支持向量机分类效果，并且比ＩＭＲＦ 算法更加稳定，更适用于海量图像的分布式应用．因此， 本文提出的基于Ｓｐａｒｋ ｍｌｌｉｂ随机森林的组合节点 算法是令人满意的． Ｓｏｆｔｗ￣ｅ Ｔｅｃｈｎｉｑｕｅ·Ａｌｇｏｒｉｔｈｍ软件技术·算法１９７ 计算机系统应用 Ｏ Ｏ ｈｔｔｐ：ｌｌｗｗｗ．ｃ—ｓ—ａ．ｏｒｇ．ｃｎ 时 ０ ２０１８年第２７卷第９期 《 ０ ０ ５结束语 如 舯 ２０ｌ７．２６７１３６４］ 本文在Ｓｐａｒｋ平台下实现了不同场景图像的准确 分类，首先在简单的词袋模型的基础上验证了空间金 字塔模型的有效性；其次针对随机森林的节点算 法进行改进并实验，通过对比，验证该算法的有效性与 准确性．Ｓｐａｒｋ平台可以有效提高算法运行效率的同 ３李慧，李正，余垫．一种基于综合不放回抽样的随机森林算 法改进．计算机工程与科学，２０１５，（７）：１２３３—１２３９．［ｄｏｉ： １０．３９６９／｛．ｉｓｓｎ．１００７．１３０Ｘ．２０１５．０７．００２］ ４ ＸｕＢ．ＹｅＹ ＮｉｅＬ．Ａｎｉｍｐｒｏｖｅｄ ｒａｎｄｏｍｆｏｒｅｓｔ ｃｌａｓｓｉｉｅｒｆｏｒ ｆｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｉｎｔｅｍａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ａｕｔｏｍａｔｉｏｎ．ＩＥＥＥ．２０１２．７９５－８００．『ｄｏｉ：１０．１１０９／ 时，又保证了分类准确率，适合海量图像的分类研究． ２０Ｏ ４００ ６００ ８００ 图片（幅） 图８ 图像集２（２５６一ＯｂｊｅｃｔＣａｔｅｇｏｒｉｅｓ）中算法分类准确率对比 ０·９５ Ｏ＿９Ｏ ０－８５ ｓ。 喜＂ｓ Ｏ．７０ 。６５ ０．６０ ４００ ６００ ８００ 图片（幅） 图９ 图像集３（ＳＵＮ２０１２）中算法分类准确率对比 同时可以在增加分类图片数量和融合更成熟有效 的节点算法上进一步研究，以体现Ｓｐａｒｋ平台在 处理速度上的优势，并提高分类准确率． 参考文献 １ Ａｖｉｌａ Ｓ．Ｔｈｏｍｅ Ｎ．Ｃｏｒｄ Ｍ．ｅｔ ａ１．Ｂ０ＳＳＡ：Ｅｘｔｅｎｄｅｄ ｂｏｗ ｆｏｒｍａｌｉｓｍ ｆｏｒ ｉｍａｇｅ ｃｌａｓｓｉｉｔｃａｔｉｏｎ．２０１ １ １８ｔｈ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ．Ｂｒｎｓｓｅｌｓ． ２０１ １．２９０９—２９１２．ｆｄｏｉ：１０．１１０９／ＩＣＩＰ．２Ｏｌ１．６１ １６２６８１ ２ Ｌｉ Ｘ，Ｚｈａｎｇ Ｌ，Ｗａｎｇ Ｌ，ｅｔ ａ１．Ｅｆｆｅｃｔｓ ｏｆＢＯＷ ｍｏｄｅｌ ｗｉｔｈ ａｆｉｆｎｉｔｙ ｐｒｏｐａｇａｔｉｏｎ ａｎｄ ｓｐａｔｉａｌ ｐｙｒａｍｉｄ ｍａｔｃｈｉｎｇ ｏｎ ｐｏｌａｒｉｍｅｔｒｉｃ ＳＡＲ ｉｍａｇｅ ｃｌａｓｓｉｉｆｃａｔｉｏｎ．ＩＥＥＥ Ｊｏｕｒｎａ１ ｏｆ Ｓｅｌｅｃｔｅｄ Ｔｏｐｉｃｓ ｉｎ Ａｐｐｌｉｅｄ Ｅａｒｔｈ Ｏｂｓｅｒｖａｔｉｏｎｓ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ．２０１７，ｌ０（７）：３３１４－３３２２．［ｄｏｉ：１０．１ １０９／ＪＳＴＡＲＳ． １ ９８软件技术·算法Ｓｏｆｔｗａｒｅ Ｔｅｃｈｎｉｑｕｅ·Ａｌｇｏｒｉｔｈｍ ＩＣＩｎｆＡ．２０１２．６２４６９２７］ ５ Ｃｈａｕｄｈａｒｙ Ａ．Ｋｏｌｈｅ Ｓ．Ｋａｍａｌ Ｒ．Ａｎ ｉｍｐｒｏｖｅｄ Ｒａｎｄｏｍ Ｆｏｒｅｓｔ Ｃｌａｓｓｉｆｉｅｒ ｆｏｒ ｍｕｌｔｉ．ｃｌａｓｓ ｃ１ａｓｓｉｆｉｃａｔｉＯｎ．Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ ｉｎ Ａｇｒｉｃｕｌｔｕｒｅ，２０１６，３（４）：２１５－２２２．［ｄｏｉ： １０．１０１６／ｊ．ｉｎｐａ．２０１６．０８．００２１ ６ Ｒｅｙｅｓ—Ｏｒｔｉｚ ＪＬ，Ｏｎｅｔｏ Ｌ，Ａｎｇｕｉｔａ Ｄ．Ｂｉｇ ｄａｔａ ａｎａｌｙｔｉｃｓ ｉｎ ｔｈｅ ｃｌｏｕｄ：Ｓｐａｒｋ ｏｎ Ｈａｄｏｏｐ ｖｓ ＭＰＩ／ＯｐｅｎＭＰ ｏｎ Ｂｅｏｗｕｌｆ． Ｐｒｏｃｅｄｉａ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，２０１６，５３：１２１－１３０． ７ Ｓｉｎｇｈ Ｓ，Ｌｉｕ Ｙ．Ａ ｃｌｏｕｄ ｓｅｒｖｉｃｅ ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ ａｎａｌｙｚｉｎｇ ｂｉｇ ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ．Ｔｓｉｎｇｈｕａ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２０１６，２１（１）：５５－７０．『ｄｏｉ：１０．１ １０９／ＴＳＴ．２０１６．７３９９２８３］ ８ Ｉｓｌａｍ ＮＳ，Ｗａｓｉ Ｕｒ—Ｒａｈｍａｎ Ｍ，Ｌｕ Ｘ，ｅｌ ａ１．Ｐｅｒｆｏｒｍａｎｃｅ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ａｎｄ ａｃｃｅｌｅｒａｔｉｏｎ ｏｆ ｉｎ—ｍｅｍｏｒｙ ｆｉｌｅ ｓｙｓｔｅｍｓ ｏｆｒ ｈａｄｏｏＤ ａｎｄ ｓｐａｒｋ ａｐｐｌｉｃａｔｉｏｎｓ ｏｎ ＨＰＣ ｃｌｕｓｔｅｒｓ．ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｂｉｇ Ｄａｔａ，２０１ ５，２４３－２５３．［ｄｏｉ： １０．１１０９／ＢｉｇＤａｔａ．２０１５．７３６３７６１１ ９ Ｙｉｇｉｔｂａｓｉ Ｎ，Ｗｉｌｌｋｅ ＴＬ，Ｌｉａｏ ＧＤ，ｅｔ ａ１．Ｔｏｗａｒｄｓ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ．ｂａｓｅｄ ａｕｔｏ．ｔｕｎｉｎｇ ｏｆ ＭａｐＲｅｄｕｃｅ． ＩＥＥＥ ２ １ ｓｔ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｍｏｄｅｌｌｉｎｇ．２０１３．１１＿２０．ｒｄｏｉ： １Ｏ．１１０９／ＭＡＳＣ０ＴＳ．２０１３．９１ １０朱杰，超木日力格，谢博望，等．利用颜色进行层次模式挖 掘的图像分类方法．计算机科学与探索，２０１７，（３）：３９６－４０６． １１ Ｋａｕｓａｒ Ｎ，Ｍａｊｉｄ Ａ，Ｊａｖｅｄ ＳＧ．Ｄｅｖｅｌｏｐｉｎｇ ｍｕｌｔｉ—ｆｏｃｕｓ ｉｍａｇｅ ｆｕｓｉｏｎ ｓｙｓｔｅｍ ｗｉｔｈ ｒａｎｄｏｍ ｆｏｒｅｓｔ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｒｅａ１． ｂｌｕｒｒｅｄ ｉｍａｇｅｓ．２０１６ １３ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｂｈｕｒｂａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｐｐｌｉｅｄ Ｓｃｉｅｎｃｅｓ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ．２０ １ ６．２ １ ９—２２４．［ｄｏｉ： １０．１ １０９／ＩＢＣＡＳＴ．２０１６．７４２９８８０１ １２ Ｋｕｒｉｒ￣ｊｉｖｅｎｄｈａｎ Ｎ，Ｔｈａｎｇａｄｕｒａｉ Ｋ．Ｍｏｄｉｉｆｅｄ ｋ．ｍｅａｎｓ ａｌｇｏｒｉｔｈｍ ａｎｄ ｇｅｎｅｔｉｃ ａｐｐｒｏａｃｈ ｆｏｒ ｃｌｕｓｔｅｒ ｏｐｔｉｍｉｚａｔｉｏｎ． ２０ ｌ ６ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｄａｔａ Ｍｉｎｉｎｇ ａｎｄ Ａｄｖａｎｃｅｄ Ｃｏｍｐｕｔｉｎｇ ｒＳＡＰＩＥＮＣＥ）．２０ １ ６．５３－５６． １３ Ｇａｉｔ￣ａ Ｄ，ｌｓａｚａ Ｃ，Ｇ６ｍｅｚ Ｗ，ｅｔ ａ１．Ｃａｔｅｇｏｒｉｚａｔｉｏｎ ｏｆ ｅｃｏｓｙｓｔｅｍｓ ｂａｓｅｄ ｏｎ ｓｏｕｎｄｓｃａｐｅ ａｎａｌｙｓｉｓ：Ａ ｐｅｒｓｐｅｃｔｉｖｅ ｆｒｏｍ ｉｍａｇｅ ｃｌａｓｓｉｔｉｃａｔｉｏｎ．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ． ＩＥＥＥ．２０１７．７６２－７６６． １ ４ Ｔｂｅ ｏｆｉｌｅａｌ ｈｏｍｅ ｏｆ ｔｈｅ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｌｉｂａｒｙ．ｈｔｔｐ：／／ｗｗｗ． ｃｈｒｉｓｅｖａｎｓｄｅｖ．ｃｏｒｎ／ｃｏｍｐｕｔｅｒ－ｖｉｓｉｏｎ—ｏｐｅｎｓｕｒ￣ｈｔｍ１． １ ５ Ａｂｄｅｌｏｕａｈｅｄ Ｓ．Ｅｎｎｏｕｎｉ Ａ．Ａａｒａｂ Ａ．Ａｕｔｏｍａｔｉｃ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｃｌｕｓｔｅｒｓ ｎｕｍｂｅｒ ｏｆｒ Ｋ—ｍｅａｎｓ．２０１６ ４ｔｈ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｌｌｏｑｕｉｕｍ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ（ＣｉＳｔ）． ２０１６．４５Ｏ－４５４．ｆｄｏｉ：１０．１１０９／ＣＩＳＴ．２０１６．７８０５０８９１ １６郭佳．场景图像分类的相关技术研究［硕士学位论文］．西 安：西安电子科技大学，２０１３． １７曹正凤．随机森林算法优化研究［博士学位论文］．北京：首 都经济贸易大学，２０１４．
