[本文摘要]

为有效处理并利用互联网海量的图像和视频数据，提出了一种基于Hadoop云平台的图像分类和标注解决方案。针对如何高效地进行训练集提取这一重要问题，搭建了基于云计算的图像抓取平台，利用互联网的图像资源作为原始数据集，为提取训练集图像提供足够的数据；实现了基于概率潜在语义分析模型的训练集图像提取功能，对原始数据集进行基于主题的聚类，帮助用户快速选取训练集图像；加入了SVM分类模型，利用提取出来的训练集对未标注图像进行分类标注，实现了完整的系统。实验结果表明，该方案能够满足海量图像数据分类和标注的功能和性能需求。