| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| ·选题的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·全球云计算的状况 | 第10-11页 |
| ·国内云计算的状况 | 第11-13页 |
| ·云计算上的人工智能发展现状 | 第13-14页 |
| ·本文主要内容及章节安排 | 第14-16页 |
| 第二章 Hadoop 云平台搭建 | 第16-25页 |
| ·Hadoop 简介 | 第16-21页 |
| ·Hadoop 的优势 | 第16页 |
| ·Hadoop 要解决的问题 | 第16-18页 |
| ·HDFS | 第18-20页 |
| ·MapReduce 简介 | 第20-21页 |
| ·Hadoop 云平台搭建 | 第21-24页 |
| ·Hadoop 环境准备与安装 | 第21-22页 |
| ·Hadoop 配置 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 人脸识别算法简介 | 第25-39页 |
| ·人脸识别基本框架 | 第25-26页 |
| ·图片预处理 | 第26-27页 |
| ·特征提取 | 第27-33页 |
| ·PCA（主成份分析） | 第28-29页 |
| ·LDA（线性鉴定判定） | 第29-30页 |
| ·小波变换 | 第30-31页 |
| ·HOG（梯度直方图） | 第31-33页 |
| ·分类器设计 | 第33-38页 |
| ·Adaboost 分类器 | 第33-34页 |
| ·HMM（隐马尔可夫模型） | 第34-35页 |
| ·神经网络 | 第35-36页 |
| ·SVM（支持向量机） | 第36-37页 |
| ·遗传算法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 人脸识别的 MapReduce 实现 | 第39-53页 |
| ·特征提取的 MapReduce 实现 | 第39-41页 |
| ·SVM-Adaboost 以及 NSMD 的 MapReduce 实现 | 第41-51页 |
| ·SVM-Adaboost | 第42-46页 |
| ·NSMD 算法 | 第46-50页 |
| ·二分类器构建 N 分类器的 MapReduce 实现 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 系统实验分析 | 第53-59页 |
| ·HOG 特征的分析 | 第53-54页 |
| ·SVM-Adaboost 算法和 NSMD 算法分析 | 第54-56页 |
| ·识别效果分析 | 第55-56页 |
| ·识别时间分析 | 第56页 |
| ·Hadoop 效率实验与分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |
