| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 Hadoop国内外研究现状 | 第9-10页 |
| 1.2.2 K-Means聚类国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第2章 云计算平台Hadoop | 第13-23页 |
| 2.1 云计算 | 第13-14页 |
| 2.1.1 云计算的概念 | 第13页 |
| 2.1.2 云计算特点 | 第13-14页 |
| 2.2 Hadoop系统 | 第14-15页 |
| 2.2.1 Hadoop系统的简介 | 第14-15页 |
| 2.3 分布式文件系统HDFS | 第15-18页 |
| 2.3.1 HDFS相关概念 | 第15-17页 |
| 2.3.2 HDFS的可靠性设计 | 第17-18页 |
| 2.4 并行计算框架Map Reduce | 第18-21页 |
| 2.4.1 Map Reduce的工作流程 | 第19-20页 |
| 2.4.2 Mapreduce工作原理 | 第20-21页 |
| 2.5 Map Reduce对图像格式的处理 | 第21页 |
| 2.6 本章小结 | 第21-23页 |
| 第3章 图像检索所涉及的相关算法 | 第23-41页 |
| 3.1 图像特征提取 | 第23页 |
| 3.2 SIFT算法的概况 | 第23-27页 |
| 3.3 SURF算法的概况 | 第27-29页 |
| 3.4 K-Means算法 | 第29-35页 |
| 3.4.1 K-Means算法概况 | 第29-32页 |
| 3.4.2 K-Means聚类的距离计算 | 第32-33页 |
| 3.4.3 K-Means算法的Map Reduce实现 | 第33-35页 |
| 3.4.4 K-Means算法的缺点 | 第35页 |
| 3.5 基于抽样和K-dist图算法的K-Means算法改进 | 第35-38页 |
| 3.5.1 数据抽样 | 第35-36页 |
| 3.5.2 基于密度的聚类方法 | 第36页 |
| 3.5.3 k-dist图 | 第36-38页 |
| 3.6 LSH算法 | 第38-40页 |
| 3.7 小结 | 第40-41页 |
| 第4章 海量图像检索的设计与实现 | 第41-59页 |
| 4.1 图像检索的整体框架介绍 | 第41-42页 |
| 4.2 功能模块的设计 | 第42-53页 |
| 4.2.1 用户与计算机的交互模块 | 第42-44页 |
| 4.2.2 图片特征向量提取的模块 | 第44-45页 |
| 4.2.3 特征聚类和统一特征向量的模块 | 第45-49页 |
| 4.2.4 建立LSH索引模块 | 第49-52页 |
| 4.2.5 用户图像检索的模块 | 第52-53页 |
| 4.3 海量图像检索结果评估 | 第53-57页 |
| 4.3.1 图像特征提取模块的分析 | 第54-55页 |
| 4.3.2 聚类模块的分析 | 第55-56页 |
| 4.3.3 LSH索引模块的分析 | 第56-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-62页 |