基于Hadoop的特征核数据提取算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源及研究的背景和意义 | 第9-11页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题研究的背景和意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.2.1 基于抽样的特征提取算法 | 第11-12页 |
| 1.2.2 基于压缩的特征提取算法 | 第12页 |
| 1.2.3 基于特征变换的特征提取算法 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 本文的内容安排 | 第15-16页 |
| 第2章 数据特征分析的数学基础 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 预备知识 | 第16-23页 |
| 2.2.1 相关概念的定义 | 第16-19页 |
| 2.2.2 问题定义 | 第19页 |
| 2.2.3 数学推导 | 第19-23页 |
| 2.3 数据格式 | 第23-25页 |
| 2.3.1 数据结构的定义 | 第23-24页 |
| 2.3.2 输入向量的格式转换 | 第24-25页 |
| 2.4 通讯协议 | 第25-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 数据特征分析的并行算法 | 第30-52页 |
| 3.1 特征三对角阵的生成 | 第30-32页 |
| 3.2 特征分解算法 | 第32-35页 |
| 3.3 最优特征空间的确定方法 | 第35-41页 |
| 3.3.1 大矩阵转置的并行算法 | 第35-37页 |
| 3.3.2 大矩阵的列均值并行算法 | 第37-39页 |
| 3.3.3 协方差矩阵与种子向量相乘算法 | 第39-41页 |
| 3.4 最优特征核数据的提取方法 | 第41-43页 |
| 3.5 实验结果及分析 | 第43-51页 |
| 3.5.1 实验环境配置 | 第43页 |
| 3.5.2 算法正确性评估 | 第43-46页 |
| 3.5.3 算法时效性能评估 | 第46-47页 |
| 3.5.4 算法信息损失率性能评估 | 第47-50页 |
| 3.5.5 与已有算法的对比 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 支持特征分析算法与存储的索引机制 | 第52-63页 |
| 4.1 引言 | 第52-53页 |
| 4.2 支持特征分析算法的自适应存储策略 | 第53-56页 |
| 4.2.1 预备知识 | 第53-55页 |
| 4.2.2 文件标识提取 | 第55页 |
| 4.2.3 文件合并 | 第55-56页 |
| 4.3 基于字典树的索引机制 | 第56-58页 |
| 4.4 实验结果及分析 | 第58-62页 |
| 4.4.1 实验环境配置和数据生成 | 第58-59页 |
| 4.4.2 内存使用率的性能评估 | 第59-61页 |
| 4.4.3 文件访问效率的性能评估 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第68-70页 |
| 致谢 | 第70页 |
