| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 统一表示模型研究现状 | 第12-13页 |
| 1.2.2 数据降维研究现状 | 第13-14页 |
| 1.2.3 目前存在的问题 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第2章 相关理论及技术 | 第17-22页 |
| 2.1 MapReduce | 第17-18页 |
| 2.1.1 编程思想 | 第17-18页 |
| 2.1.2 执行流程 | 第18页 |
| 2.2 张量基本理论介绍 | 第18-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 大数据统一表示方法 | 第22-32页 |
| 3.1 算法思想 | 第22-24页 |
| 3.2 大数据统一表示框架 | 第24-28页 |
| 3.2.1 多源异构数据的子张量化模型 | 第24-27页 |
| 3.2.2 基于半张量积的张量空间融合方法 | 第27-28页 |
| 3.3 实验分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于张量分块的增量式HOSVD方法研究 | 第32-43页 |
| 4.1 问题定义 | 第32-33页 |
| 4.2 相关定理 | 第33页 |
| 4.3 算法描述 | 第33-39页 |
| 4.3.1 张量分割 | 第33-35页 |
| 4.3.2 增量式HOSVD降维算法研究 | 第35-39页 |
| 4.4 实验结果 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于非负矩阵分解的数据约减算法研究 | 第43-50页 |
| 5.1 引言 | 第43页 |
| 5.2 算法流程设计 | 第43-47页 |
| 5.2.1 改进的非负矩阵分解 | 第43-47页 |
| 5.2.2 MapReduce下改进的非负矩阵分解 | 第47页 |
| 5.3 实验结果及分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的学术论文 | 第55-57页 |
| 致谢 | 第57页 |