| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文篇章结构 | 第11-13页 |
| 第二章 背景知识介绍 | 第13-25页 |
| 2.1 聚类算法介绍 | 第13-19页 |
| 2.1.1 聚类算法的数学模型 | 第13-14页 |
| 2.1.2 对于聚类算法的基本要求 | 第14-15页 |
| 2.1.3 聚类中常用的相似度度量方法 | 第15-17页 |
| 2.1.4 聚类算法的评价标准 | 第17-18页 |
| 2.1.5 K-means算法介绍 | 第18-19页 |
| 2.2 Hadoop分布式计算平台 | 第19-24页 |
| 2.2.1 Hadoop核心模块 | 第19页 |
| 2.2.2 分布式文件存储系统..HDFS | 第19-22页 |
| 2.2.3 分布式计算框架..MapReduce | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于分布式聚类算法的手写数字识别 | 第25-38页 |
| 3.1 聚类在手写数字识别上的应用 | 第25页 |
| 3.2 手写数字倾斜矫正 | 第25-26页 |
| 3.3 改进的K-means算法 | 第26-29页 |
| 3.4 基于Hadoop平台的K-means联合Canopy实现过程 | 第29-33页 |
| 3.5 实验与结果分析 | 第33-37页 |
| 3.5.1 实验环境设置 | 第33-34页 |
| 3.5.2 实验结果分析 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于分布式聚类算法的三维模型检索 | 第38-55页 |
| 4.1 聚类在三维模型检索上的应用 | 第38-39页 |
| 4.2 三维模型视图投影 | 第39-41页 |
| 4.3 SIFT算法 | 第41-47页 |
| 4.4 词袋模型(BagOfWord,BOW) | 第47-48页 |
| 4.5 实验分析 | 第48-53页 |
| 4.5.1 时间效率分析 | 第48-49页 |
| 4.5.2 检索准确性分析 | 第49-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55页 |
| 5.2 未来展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 在读期间发表论文情况 | 第60-61页 |
| 在读期间参与科研项目情况 | 第61-62页 |
| 致谢 | 第62页 |