| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 论文结构 | 第11-12页 |
| 第二章 相关工作准备 | 第12-20页 |
| 2.1 Hadoop 云平台 | 第12-15页 |
| 2.1.1 总体框架 | 第12-14页 |
| 2.1.2 分布式文件系统 HDFS | 第14页 |
| 2.1.3 MapReduce 编程模型 | 第14-15页 |
| 2.2 图像的全局特征（GIST 特征） | 第15页 |
| 2.3 图像的尺度不变特征（SIFT 特征） | 第15-16页 |
| 2.4 “词袋”模型（BoW 模型） | 第16页 |
| 2.5 位置敏感的哈希算法（LSH 算法） | 第16-17页 |
| 2.6 向量的相似性测量 | 第17-19页 |
| 2.7 本章小结 | 第19-20页 |
| 第三章 基于 HADOOP 的图像检索算法 | 第20-41页 |
| 3.1 算法应用于 Hadoop 的意义 | 第20页 |
| 3.2 基于图像 GIST 特征的 LSH 算法 | 第20-29页 |
| 3.2.1 创建索引文件阶段 | 第21-23页 |
| 3.2.2 图像检索阶段 | 第23-24页 |
| 3.2.3 算法实现 | 第24-27页 |
| 3.2.4 算法的优化 | 第27-29页 |
| 3.3 基于图像 SIFT 特征的 LSH 算法 | 第29-35页 |
| 3.3.1 创建索引文件阶段 | 第30-32页 |
| 3.3.2 图像检索阶段 | 第32页 |
| 3.3.3 算法实现 | 第32-35页 |
| 3.4 基于图像 BoW 模型的倒排索引算法 | 第35-40页 |
| 3.4.1 创建倒排索引文件阶段 | 第36-38页 |
| 3.4.2 图像检索阶段 | 第38页 |
| 3.4.3 算法实现 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 实验结果及其分析 | 第41-61页 |
| 4.1 实验环境 | 第41-42页 |
| 4.1.1 Hadoop 云平台的部署 | 第41页 |
| 4.1.2 实验的图像数据集以及开发工具 | 第41-42页 |
| 4.2 基于图像 GIST 特征的 LSH 算法实验结果分析 | 第42-55页 |
| 4.2.1 Hadoop 单机伪分布模式下查准率和查全率的实验结果分析 | 第42-48页 |
| 4.2.2 单机伪分布下算法检索时间的性能分析 | 第48-51页 |
| 4.2.3 Hadoop 完全分布式下的时间性能实验结果分析 | 第51-55页 |
| 4.3 基于图像 SIFT 特征的 LSH 算法实验结果分析 | 第55-57页 |
| 4.3.1 算法查准率和查全率实验结果分析 | 第55-56页 |
| 4.3.2 算法时间性能的实验结果分析 | 第56-57页 |
| 4.4 基于图像 BoW 模型的倒排索引算法实验结果分析 | 第57-58页 |
| 4.5 实验结果对比分析 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |
