改进K-Means聚类算法在基于Hadoop平台的图像检索系统中的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文内容与结构 | 第13-15页 |
| 第二章 Hadoop云计算平台与图像检索技术 | 第15-25页 |
| 2.1 云计算 | 第15-18页 |
| 2.1.1 云计算的概念 | 第15-16页 |
| 2.1.2 云计算系统的特征 | 第16页 |
| 2.1.3 云计算系统的体系结构 | 第16-17页 |
| 2.1.4 现有的各大云计算平台 | 第17-18页 |
| 2.2 Hadoop平台简介 | 第18-22页 |
| 2.2.1 Hadoop项目及其结构 | 第18-19页 |
| 2.2.2 Hadoop分布式文件系统HDFS | 第19-20页 |
| 2.2.3 MapReduce计算模型 | 第20-22页 |
| 2.3 基于内容的图像检索技术 | 第22-24页 |
| 2.3.1 CBIR的基本原理 | 第22页 |
| 2.3.2 CBIR的特征提取技术 | 第22-24页 |
| 2.3.3 CBIR的相似度度量方法 | 第24页 |
| 2.4 小结 | 第24-25页 |
| 第三章 基于Hadoop的图像检索系统设计方案 | 第25-43页 |
| 3.1 基于Hadoop的图像检索系统整体框架 | 第25-26页 |
| 3.2 功能模块设计 | 第26-42页 |
| 3.2.1 用户交互模块 | 第26-27页 |
| 3.2.2 海量图像数据的存储 | 第27-31页 |
| 3.2.3 图像数据特征的提取 | 第31-34页 |
| 3.2.4 特征的K-Means聚类和量化 | 第34-41页 |
| 3.2.5 图像搜索匹配 | 第41-42页 |
| 3.3 小结 | 第42-43页 |
| 第四章 实验与分析 | 第43-65页 |
| 4.1 实验环境与测试数据 | 第43-44页 |
| 4.1.1 实验环境 | 第43-44页 |
| 4.1.2 测试数据 | 第44页 |
| 4.2 功能模块设计与分析 | 第44-56页 |
| 4.2.1 用户交互模块 | 第45-47页 |
| 4.2.2 数据存储模块 | 第47-48页 |
| 4.2.3 特征提取模块 | 第48-50页 |
| 4.2.4 特征聚类模块 | 第50-55页 |
| 4.2.5 在线搜索模块 | 第55-56页 |
| 4.3 结果评估 | 第56-64页 |
| 4.4 小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5.1 本文总结 | 第65页 |
| 5.2 研究展望 | 第65-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |
