对于海量实时数据而言,基于Flink on YARN平台可以对这些数据进行并行化处理。在接下来的工作机制和相关技术中,重点分析了基于此平台典型的流架构的数据传输模式,在此基础上,比对了流处理系统和批处理系统的差异点。对于不同数据处理系...对于海量实时数据而言,基于Flink on YARN平台可以对这些数据进行并行化处理。在接下来的工作机制和相关技术中,重点分析了基于此平台典型的流架构的数据传输模式,在此基础上,比对了流处理系统和批处理系统的差异点。对于不同数据处理系统,分析总结了Flink所面临的一些挑战,希望以此为Flink的进一步研究提供参考。展开更多
传统的基于图的流行排序算法,仅利用图像的边界作为背景查询,其查询选择的准确率直接影响算法的结果,为此提出一种改进算法,利用现有算法的检测结果为基础,对前景与背景种子点的选取进行优化。首先,对图像进行超像素分割,充分利用图像...传统的基于图的流行排序算法,仅利用图像的边界作为背景查询,其查询选择的准确率直接影响算法的结果,为此提出一种改进算法,利用现有算法的检测结果为基础,对前景与背景种子点的选取进行优化。首先,对图像进行超像素分割,充分利用图像的中层信息;其次,对图像利用流行排序算法计算图像显著图;最后,对显著性结果进行处理,选取更优的查询点,得到最终显著图。在CSSD(Complex Scene Saliency Datase)和ECSSD(Extended Complex Scene Saliency Datese)数据集上与8种算法进行比较,实验结果表明,该算法具有更高的检测准确率。展开更多
文摘对于海量实时数据而言,基于Flink on YARN平台可以对这些数据进行并行化处理。在接下来的工作机制和相关技术中,重点分析了基于此平台典型的流架构的数据传输模式,在此基础上,比对了流处理系统和批处理系统的差异点。对于不同数据处理系统,分析总结了Flink所面临的一些挑战,希望以此为Flink的进一步研究提供参考。
文摘传统的基于图的流行排序算法,仅利用图像的边界作为背景查询,其查询选择的准确率直接影响算法的结果,为此提出一种改进算法,利用现有算法的检测结果为基础,对前景与背景种子点的选取进行优化。首先,对图像进行超像素分割,充分利用图像的中层信息;其次,对图像利用流行排序算法计算图像显著图;最后,对显著性结果进行处理,选取更优的查询点,得到最终显著图。在CSSD(Complex Scene Saliency Datase)和ECSSD(Extended Complex Scene Saliency Datese)数据集上与8种算法进行比较,实验结果表明,该算法具有更高的检测准确率。
