| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究的背景与意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7页 |
| 1.1.2 研究意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 研究重点与创新点 | 第9-10页 |
| 1.4 本文结构 | 第10-11页 |
| 第2章 大数据时代下的矩阵分解算法 | 第11-21页 |
| 2.1 大数据与分布式计算 | 第11-13页 |
| 2.2 Hadoop平台简介 | 第13-16页 |
| 2.3 非负矩阵分解算法介绍 | 第16-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第3章 非负矩阵分解算法的并行化研究 | 第21-39页 |
| 3.1 非负矩阵分解算法的并行化介绍 | 第21页 |
| 3.2 矩阵乘法 | 第21-24页 |
| 3.3 基于MPI和OpenMP混合编程的非负矩阵分解算法 | 第24-28页 |
| 3.3.1 MPI编程与OpenMP编程 | 第24页 |
| 3.3.2 混合编程下的NMF算法 | 第24-28页 |
| 3.4 基于Hadoop的分布式非负矩阵分解算法HNMF | 第28-33页 |
| 3.5 实验环境搭建 | 第33-36页 |
| 3.6 实验分析 | 第36-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 非负矩阵分解算法的优化研究 | 第39-46页 |
| 4.1 三种非负矩阵分解算法 | 第39-40页 |
| 4.2 基于MapReduce的矩阵乘法 | 第40-41页 |
| 4.3 两种NMF算法的更新法则研究 | 第41-43页 |
| 4.3.1 更新法则 | 第41-43页 |
| 4.3.2 CNMF与TNMF | 第43页 |
| 4.4 实验分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-47页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 在读期间发表的学术论文及研究成果 | 第50-51页 |
| 致谢 | 第51页 |