| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 缩略语对照表 | 第10-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 图像检索研究现状 | 第15-16页 |
| 1.2.2 大数据发展现状 | 第16-17页 |
| 1.2.3 大数据图像检索发展现状 | 第17-18页 |
| 1.3 本文研究主要内容 | 第18-19页 |
| 1.4 本文章节安排 | 第19-22页 |
| 第二章 理论基础 | 第22-38页 |
| 2.1 Struts2框架概述 | 第22-23页 |
| 2.2 Spark概述 | 第23-27页 |
| 2.2.1 Spark简介 | 第23-24页 |
| 2.2.2 Spark Core和RDD简介 | 第24-25页 |
| 2.2.3 Spark Streaming简介 | 第25-26页 |
| 2.2.4 Spark MLlib简介 | 第26-27页 |
| 2.3 HBase数据库概述 | 第27-30页 |
| 2.3.1 Zookeeper简介 | 第28页 |
| 2.3.2 HBase系统架构 | 第28-30页 |
| 2.4 人脸检测 | 第30页 |
| 2.5 特征提取及降维 | 第30-35页 |
| 2.5.1 特征提取 | 第31-34页 |
| 2.5.2 PCA降维 | 第34-35页 |
| 2.6 Canopy-Kmeans聚类 | 第35-37页 |
| 2.6.1 Canopy聚类 | 第35-36页 |
| 2.6.2 K-Means聚类 | 第36-37页 |
| 2.6.3 欧式距离 | 第37页 |
| 2.7 LDA简介 | 第37页 |
| 2.8 本章小结 | 第37-38页 |
| 第三章 基于Spark框架的算法研究 | 第38-48页 |
| 3.1 Canopy算法并行化 | 第38-40页 |
| 3.2 K-Means算法并行化 | 第40-41页 |
| 3.3 实验结果与分析 | 第41-46页 |
| 3.4 LDA算法并行化 | 第46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 系统设计与实现 | 第48-62页 |
| 4.1 系统框架概述 | 第48页 |
| 4.2 系统环境搭建 | 第48-50页 |
| 4.3 数据库子系统 | 第50-52页 |
| 4.4 用户交互子系统 | 第52-57页 |
| 4.4.1 系统架构 | 第52-53页 |
| 4.4.2 用户界面设计 | 第53页 |
| 4.4.3 人脸检测 | 第53-55页 |
| 4.4.4 图像预处理 | 第55-56页 |
| 4.4.5 特征提取与降维 | 第56-57页 |
| 4.5 特征匹配子系统 | 第57-59页 |
| 4.6 检索结果展示 | 第59-60页 |
| 4.7 本章小结 | 第60-62页 |
| 第五章 系统测试与分析 | 第62-70页 |
| 5.1 实验数据 | 第62-64页 |
| 5.2 实验方法 | 第64页 |
| 5.3 实验结果分析 | 第64-68页 |
| 5.3.1 检索效果分析 | 第64-65页 |
| 5.3.2 检索速率分析 | 第65-68页 |
| 5.4 本章小结 | 第68-70页 |
| 总结与展望 | 第70-72页 |
| 本文总结 | 第70-71页 |
| 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录A 基于Spark框架实现的Canopy、K-Means算法 | 第76-78页 |
| 致谢 | 第78页 |