基于云計(jì)算的智能終端不良網(wǎng)站過(guò)濾系統(tǒng)
【文章頁(yè)數(shù)】:82 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.1云計(jì)算服務(wù)云計(jì)算服務(wù)在平常使用中展現(xiàn)了很多特征,其關(guān)鍵特征如下所示:(1)敏捷性高,云計(jì)算可以通過(guò)重新配置提高用戶(hù)的靈活性,增加或者擴(kuò)大技術(shù)基礎(chǔ)
圖2.1云計(jì)算服務(wù)服務(wù)在平常使用中展現(xiàn)了很多特征,其關(guān)鍵特征如下所示:敏捷性高,云計(jì)算可以通過(guò)重新配置提高用戶(hù)的靈活性,增加或者擴(kuò)訪(fǎng)問(wèn)便捷,用戶(hù)只需要通過(guò)網(wǎng)絡(luò)瀏覽器就可以訪(fǎng)問(wèn)系統(tǒng),跨越了設(shè)備效率提升,對(duì)于多個(gè)用戶(hù)處理同一個(gè)數(shù)據(jù)時(shí),用戶(hù)不需要在本地安裝接在云環(huán)境下處理數(shù)據(jù),節(jié)省....
圖4.7基于Spark云平臺(tái)改進(jìn)KNN算法效率
圖4.7基于Spark云平臺(tái)改進(jìn)KNN算法效率由圖4.7可知道,KNN算法的精確度與選取的k的值有很大的關(guān)系,當(dāng)選取k的值較小的時(shí)候,精確度相當(dāng)?shù),而隨著k值增大,算法準(zhǔn)確度也逐漸提高,但是當(dāng)選取的k值更大的時(shí)候,精確度大多數(shù)時(shí)候反而降低了,從而可....
圖4.8基于Spark改進(jìn)KNN算法運(yùn)行時(shí)間由圖4.8可知,在KNN算法以及基于Spark云平臺(tái)改進(jìn)KNN算法選取k的值都是最
圖4.7基于Spark云平臺(tái)改進(jìn)KNN算法效率由圖4.7可知道,KNN算法的精確度與選取的k的值有很大的關(guān)系,當(dāng)選取k的值較小的時(shí)候,精確度相當(dāng)?shù),而隨著k值增大,算法準(zhǔn)確度也逐漸提高,但是當(dāng)選取的k值更大的時(shí)候,精確度大多數(shù)時(shí)候反而降低了,從而可....
圖5.3YCbCr色彩空間圖片
doubleangle,doublestartAngledoubleendAngle,constScalar&colorintthinckness=1,intlineType=8,intshift=0)核心函數(shù)用來(lái)在圖片上形成橢圓,其中主要的相關(guān)表....
本文編號(hào):4027951
本文鏈接:http://www.wukwdryxk.cn/guanlilunwen/ydhl/4027951.html