| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文研究的主要内容 | 第13-14页 |
| 1.4 本文的组织方式 | 第14-16页 |
| 第2章 基础知识 | 第16-38页 |
| 2.1 压缩最近邻算法 | 第16-17页 |
| 2.2 HADOOP云计算平台 | 第17-29页 |
| 2.2.1 Hadoop的发展历史 | 第17页 |
| 2.2.2 Hadoop的整体框架 | 第17-19页 |
| 2.2.3 Hadoop的核心设计 | 第19-23页 |
| 2.2.4 Hadoop的安装配置 | 第23-28页 |
| 2.2.5 Hadoop1.0与Hadoop2. | 第28-29页 |
| 2.3 卷积神经网络 | 第29-35页 |
| 2.3.1 卷积神经网络的结构 | 第29-33页 |
| 2.3.2 卷积神经网络的训练 | 第33-35页 |
| 2.4 模糊积分 | 第35-38页 |
| 2.4.1 模糊积分概述 | 第36页 |
| 2.4.2 Choquet模糊积分的分类器集成方法 | 第36-38页 |
| 第3章 基于MAPREDUCE并行化压缩近邻算法 | 第38-44页 |
| 3.1 MAP函数和REDUCE函数的设计 | 第38-40页 |
| 3.2 实验结果与分析 | 第40-44页 |
| 第4章 基于MAPREDUCE和CNN的图像大数据集成分类研究 | 第44-52页 |
| 4.1 卷积神经网络的并行化策略 | 第44-47页 |
| 4.1.1 传统方法数据并行模型 | 第44-46页 |
| 4.1.2 基于模糊积分改进的数据并行模型 | 第46-47页 |
| 4.2 实验与结果分析 | 第47-52页 |
| 4.2.1 实验环境 | 第47-48页 |
| 4.2.2 数据集 | 第48-49页 |
| 4.2.3 实验结果 | 第49-51页 |
| 4.2.4 实验分析 | 第51-52页 |
| 第5章 总结与展望 | 第52-53页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间取得的科研成果 | 第59页 |