| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 图像检索国内外研究现状 | 第11-13页 |
| 1.3 研究内容及结构安排 | 第13-15页 |
| 第二章 大数据理论与相关技术研究 | 第15-28页 |
| 2.1 Spark大数据技术 | 第15-21页 |
| 2.1.1 Spark分布式计算框架 | 第15-19页 |
| 2.1.2 Spark机器学习 | 第19-21页 |
| 2.2 CUDA架构 | 第21-25页 |
| 2.2.1 GPU简介 | 第21-22页 |
| 2.2.2 CUDA编程模型 | 第22-23页 |
| 2.2.3 CUDA线程组织结构与GPU硬件架构 | 第23-25页 |
| 2.3 视觉词袋模型在图像检索架构中的应用 | 第25-28页 |
| 第三章 K-means聚类算法在Spark-GPU平台上的实现 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 视觉词袋模型中的K-means聚类算法 | 第28-31页 |
| 3.3 Spark云平台上混合GPU和CPU的技术 | 第31-34页 |
| 3.3.1 Spark-GPU技术现状 | 第31-32页 |
| 3.3.2 Spark云平台混合GPU和CPU的实现流程 | 第32-34页 |
| 3.4 K-means算法在Spark-GPU平台上的实现 | 第34-36页 |
| 3.5 实验配置情况 | 第36-37页 |
| 3.6 实验测试与结果分析 | 第37-40页 |
| 3.6.1 实验流程 | 第37-38页 |
| 3.6.2 结果分析 | 第38-40页 |
| 第四章 子空间聚类算法LBF的并行实现 | 第40-63页 |
| 4.1 引言 | 第40-42页 |
| 4.2 子空间聚类算法LBF | 第42-46页 |
| 4.3 LBF算法的分布式实现 | 第46-54页 |
| 4.3.1 LBF算法在Spark平台上的实现 | 第46-49页 |
| 4.3.2 实验设计及性能评估 | 第49-54页 |
| 4.4 LBF算法的GPU实现 | 第54-63页 |
| 4.4.1 LBF算法在CUDA架构上的实现 | 第54-57页 |
| 4.4.2 实验结果及分析 | 第57-63页 |
| 第五章 全文总结 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士期间发表的论文 | 第71-72页 |
| 致谢 | 第72页 |
