| 中文摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 图像特征提取 | 第8-10页 |
| 1.2.2 图像分类 | 第10-11页 |
| 1.2.3 大数据技术 | 第11-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 论文的章节安排 | 第12-14页 |
| 第二章 场景图像分类与并行计算模型 | 第14-22页 |
| 2.1 场景图像分类 | 第14-16页 |
| 2.1.1 场景图像的定义 | 第14页 |
| 2.1.2 场景图像分类评价指标 | 第14-15页 |
| 2.1.3 场景图像分类面临的问题 | 第15-16页 |
| 2.2 并行计算模型 | 第16-20页 |
| 2.2.1 Hadoop平台简介 | 第16-18页 |
| 2.2.2 HDFS分布式文件系统 | 第18页 |
| 2.2.3 MapReduce并行编程模型 | 第18-20页 |
| 2.3 本章小节 | 第20-22页 |
| 第三章 场景图像特征并行提取算法研究 | 第22-36页 |
| 3.1 PCA算法及其并行化设计 | 第22-23页 |
| 3.1.1 主成分分析算法(PCA) | 第22页 |
| 3.1.2 PCA并行化设计 | 第22-23页 |
| 3.2 PCA-SIFT算法及其并行化设计 | 第23-29页 |
| 3.2.1 SIFT算法 | 第23-26页 |
| 3.2.2 PCA-SIFT算法 | 第26-27页 |
| 3.2.3 PCA-SIFT算法并行化设计 | 第27-29页 |
| 3.3 基于PCA-SIFT算法的场景图像特征并行提取 | 第29-30页 |
| 3.4 实验结果及分析 | 第30-34页 |
| 3.4.1 实验环境和数据来源 | 第30-31页 |
| 3.4.2 实验结果及分析 | 第31-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 场景图像并行分类算法研究 | 第36-48页 |
| 4.1 BOF模型及其并行化设计 | 第36-39页 |
| 4.1.1 BOF模型 | 第36-37页 |
| 4.1.2 词频向量转换 | 第37页 |
| 4.1.3 BOF模型并行化设计 | 第37-39页 |
| 4.2 RF算法及其并行化设计 | 第39-41页 |
| 4.2.1 RF算法 | 第39-41页 |
| 4.2.2 RF算法的并行化设计 | 第41页 |
| 4.3 场景图像并行化分类 | 第41-43页 |
| 4.4 实验结果及分析 | 第43-46页 |
| 4.4.1 实验环境和数据来源 | 第43页 |
| 4.4.2 实验记录及分析 | 第43-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 场景图像分类原型系统 | 第48-52页 |
| 5.1 系统概述 | 第48页 |
| 5.2 系统开发平台及工具 | 第48-49页 |
| 5.3 系统模块 | 第49-51页 |
| 5.3.1 图像输入 | 第49-50页 |
| 5.3.2 图像特征提取 | 第50页 |
| 5.3.3 图像特征分类 | 第50页 |
| 5.3.4 结果输出 | 第50-51页 |
| 5.4 本章小节 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读硕士期间取得的研究成果 | 第60页 |