| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题背景 | 第11-12页 |
| ·研究意义 | 第12-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 相关研究综述 | 第17-37页 |
| ·数字图书馆简介 | 第17-18页 |
| ·聚类分析简介 | 第18-23页 |
| ·聚类的概念定义 | 第18-19页 |
| ·相似度度量 | 第19-22页 |
| ·聚类分析的流程 | 第22-23页 |
| ·聚类方法分类 | 第23页 |
| ·聚类算法综述 | 第23-32页 |
| ·划分聚类 | 第24-28页 |
| ·层次聚类 | 第28-30页 |
| ·谱聚类 | 第30-32页 |
| ·Hadoop分布式计算平台 | 第32-36页 |
| ·Hadoop文件系统 | 第33-34页 |
| ·Hadoop中任务的执行机制 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 并行AP聚类 | 第37-48页 |
| ·AP聚类简介 | 第37-39页 |
| ·AP聚类的相关改进算法 | 第39-40页 |
| ·基于相似度稀疏化的方法 | 第40-44页 |
| ·相似度数据稀疏化算法 | 第40-43页 |
| ·算法复杂度分析 | 第43-44页 |
| ·基于层次采样的并行AP聚类 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于MapReduce的分布式AP聚类 | 第48-66页 |
| ·MapReduce计算模型 | 第48-49页 |
| ·基于MapReduce的聚类分析 | 第49-54页 |
| ·基于MapReduce的分布式AP聚类——DisAP | 第54-57页 |
| ·实验结果及分析 | 第57-65页 |
| ·实验的数据集 | 第57-59页 |
| ·聚类结果的度量方法 | 第59-60页 |
| ·DisAP的性能 | 第60-62页 |
| ·参数对DisAP聚类的影响 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 聚类分析在数字图书馆图像检索中的应用 | 第66-77页 |
| ·插图及其标题的提取 | 第67-70页 |
| ·常用的图像特征 | 第70-73页 |
| ·颜色特征 | 第70-71页 |
| ·纹理特征 | 第71-72页 |
| ·形状特征 | 第72页 |
| ·SIFT特征 | 第72-73页 |
| ·基于视觉单词的图像特征表示 | 第73-74页 |
| ·索引的创建与多媒体检索 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间主要的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 作者简介 | 第85页 |