1. 研究目的与意义
随着多媒体和互联网技术的发展，人脸识别技术已经在社会上应用非常广泛了。在数据挖掘领域，运用数据挖掘技术到人脸识别领域的已经是非常广泛的和普遍的了。但是随着数据量的增大，单进程的串行人脸识别和数据挖掘技术已经不能更好的适应当前社会或者数据时代的发展了，人们对于并行化的算法或者集群的研究已经进入到了一个全新的领域，随着对并行计算的研究，将并行计算技术应用于数据挖掘已经是一种不可阻挡的趋势，当并行计算应用于人脸识别，将使得人脸的识别进行识别时有较高的时效性。目前数据挖掘技术应用于人脸识别的技术主要有属性相关性和分类技术。分类技术应用于人脸识别可以更快和更准确的对人脸图片进行识别，就目前研究领域来看，分类技术应用于人脸识别比之属性相关性要高。当并行计算应用于分类人脸识别时，将使得人脸识别向前跨出一大步。
2. 研究内容和预期目标
研究内容：
并行化KNN——并行化最邻近分类法的研究，并将其在人脸识别中进行应用，从算法的理论介绍，到算法的优化，再到算法设计，再到算法在python编程环境中设计实现人脸识别的应用进行研究。
拟解决的关键问题：
1.KNN算法的并行化实现。2.Python编程环境多线程的实现。3.KNN算法应用于人脸识别。4.并行KNN算法在人脸识别上的实现。5.实验结果对比分析
写作提纲：
第1章绪论
1.1研究的背景和意义
1.2 国内外研究现状
1.3论文的主要研究内容和研究方法
1.3.1 研究的内容
1.3.2 研究方法
第2章 相关理论
3. 国内外研究现状
目前国内对分类算法——KNN算法的研究主要应用于推荐系统和人脸识别范围。国外对于并行分类算法的研究主要用于数据中心——信息技术中心，主要用于对数据的处理和补缺。目前国外对于并行人脸图像数据挖掘的研究，国外对于分类算法用于人脸识别的研究主要集中于动态的人脸识别研究，美国和以色列在动态人脸识别系统技术上处于领先的地位。国内学者对并行算法的人脸数据挖掘的研究，主要是在研究MDMP原型的基础上，实现多层次多级别的挖掘技术，以MDB为数据平台，根据用户的请求，利用基于内容检测和相关技术收集，建立媒体数据特征立方体，挖掘出隐含规则，并以图形界面方式向用户解释获取的知识。
目前国内对并行KNN算法的主要研究是对KNN算法优化研究和用于改进的KNN算法在工业领域的应用以及在电商领域的应用，主要用于推荐系统。
国内对人脸识别研究，国内真正开始做人脸识别研究是从上世纪90年代开始。国内最早研究人脸识别的，当属中科院计算所跟哈工大的一个联合面像实验室。该实验室的高文、陈熙林等教授直到今天依旧活跃在人脸识别领域。其次就是中科院生物识别研究所的李子青教授。国内的人脸识别现今主要活跃在3D人脸识别和多光源补光人脸识别邻域。
在并行计算方面现今存在两种公认的并行数据挖掘软件平台DMS和SMS结构。在DMS中，消息传递是主要工作机制。而SMS采用了共享内存区的结构，这样共享数据访问本地化将是该结构面临的主要问题。国外在近几年来对加州大学Berkeley研制的NOW青睐。主要是它拥有大规模超算能力。将其通过工作站链接起来，性能不输超级计算机的性能。
4. 计划与进度安排
论文资料调研及撰写方案：
以论文题目为核心，对并行计算，图像数据挖掘，KNN算法实现人脸识别等相关资料进行收集和翻阅。 对已搜集的资料加以整理，论证分析论文的可行性、实际性，将粗略的大纲确定下来。 整合已整理的相关专业资料、构筑论文的详细大纲。第5—8周：根据查找的数据和相关资料，对将要进行的研究解决的并行、数据图像挖掘、人脸识别等问题进行解答。其次根据资料和文献试编写实验代码，对实验遇见的问题咨询老师。最后深入详实的论文初稿编写工作，对论文编写过程中所发现的问题，研究其解决方案，推敲整合，并进行修改完善，准备论文中期检查。第9-13周：完成论文的初稿部分，向指导老师寻求意见，优化论文的结构，润色语句，修改不当之处，补充不足之处。第14-15周，论文资料整合，最终定稿，为最终的答辩做好各方面准备，熟悉论文内容，增强自己对论文内容的把握，进行一定的思维发散，设计论文答辩。
论文实验研究计划：
5. 参考文献
[1]张陈欢,史燕中.基于Chinese Whispers的人脸动态聚类[J].计算机技术与发展,2019,29(11):92-96.
[2]刘婉莹.特征加权KNN分类算法在跨境电商人才培养中的应用[J].微型电脑应用,2020,36(09):44-46.
[3]高增亮,王霞,杨鹏.改进的kNN分类算法在工业物联网中的应用[J].信息技术,2021(03):21-25 31.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
