| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 引言 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·相关研究现状 | 第13-16页 |
| ·非负矩阵分解（NMF） | 第13-14页 |
| ·极限学习机（ELM） | 第14页 |
| ·大数据处理技术 Hadoop | 第14-16页 |
| ·研究目标和内容 | 第16页 |
| ·本文结构安排 | 第16-18页 |
| 第2章 非负矩阵分解相关算法及应用 | 第18-27页 |
| ·基本思想 | 第18-19页 |
| ·问题声明 | 第18-19页 |
| ·NMF 的性能 | 第19页 |
| ·NMF 算法 | 第19-21页 |
| ·NMF 基础算法 | 第19-21页 |
| ·带约束的 NMF 算法 | 第21-23页 |
| ·稀疏约束条件的 NMF | 第21-22页 |
| ·正交约束条件的 NMF | 第22页 |
| ·平滑约束性的 NMF | 第22-23页 |
| ·图正则约束的 NMF（GNMF） | 第23-25页 |
| ·流行正则化 NMF | 第23-25页 |
| ·更新规则 | 第25页 |
| ·NMF 的相关应用 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 ELM 的研究与应用 | 第27-34页 |
| ·极限学习机 ELM | 第27-30页 |
| ·基本算法 | 第27-30页 |
| ·有关优化问题 | 第30页 |
| ·ELM 方法的拓展 | 第30-33页 |
| ·完全复数 ELM | 第30-31页 |
| ·剪枝 ELM | 第31页 |
| ·选择 ELM 构造模型 | 第31-32页 |
| ·增量 ELM（I-ELM） | 第32页 |
| ·在线顺序 ELM（OS-ELM） | 第32-33页 |
| ·集成 ELM | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于 ELM 与图正则化 NMF 的数据表示方法 | 第34-44页 |
| ·ELM NMF | 第34-38页 |
| ·ELM 特征映射 | 第34-36页 |
| ·EFM NMF 算法 | 第36-37页 |
| ·EFM GNMF 算法 | 第37-38页 |
| ·实验结果 | 第38-43页 |
| ·评测方法 | 第39-40页 |
| ·算法比较 | 第40-41页 |
| ·原始正则图与 ELM 特征空间正则图比较 | 第41-42页 |
| ·ELM 特征空间中的几何结构 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 Mapreduce 框架下的 EFM GNM 分析与研究 | 第44-64页 |
| ·Mapreduce 框架简介 | 第44-45页 |
| ·Mapreduce 框架下的矩阵相乘 | 第45-49页 |
| ·内积法 | 第46-47页 |
| ·外积法 | 第47-48页 |
| ·分块法 | 第48-49页 |
| ·Mapreduce 框架下的 K 近邻图矩阵计算 | 第49-55页 |
| ·KNN 图背景 | 第49-50页 |
| ·KNN 连接 | 第50页 |
| ·H-zkNNJ 概述 | 第50-52页 |
| ·H-zkNNJ 的 Mapredeuce 实现 | 第52-55页 |
| ·Mapreduce 框架下的 EFM GNMF 实现 | 第55-61页 |
| ·矩阵分割方案 | 第56-58页 |
| ·Mapreduce 框架下的 ELM 特征映射 | 第58-59页 |
| ·Mapreduce 框架下的 GNMF | 第59-61页 |
| ·实验分析 | 第61-63页 |
| ·构建的 Hadoop 集群 | 第61-62页 |
| ·实验结果 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 总结 | 第64-65页 |
| 展望 | 第65-66页 |
| 附录 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 详细摘要 | 第73-76页 |
