| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究的意义 | 第13-14页 |
| 1.4 论文研究的主要内容及结构安排 | 第14-16页 |
| 第二章 相关理论研究 | 第16-31页 |
| 2.1 聚类算法 | 第16-19页 |
| 2.1.1 聚类的定义 | 第16页 |
| 2.1.2 聚类算法的分类 | 第16-19页 |
| 2.2 大数据简介 | 第19-21页 |
| 2.2.1 大数据的定义 | 第19页 |
| 2.2.2 大数据的特点与发展 | 第19-21页 |
| 2.3 Hadoop开源云计算平台 | 第21-30页 |
| 2.3.1 Hadoop的简介 | 第21-22页 |
| 2.3.2 Hadoop的结构 | 第22页 |
| 2.3.3 HDFS分布式文件系统 | 第22-24页 |
| 2.3.4 MapReduce分布式计算框架 | 第24-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于Hash改进的K-means算法并行化设计 | 第31-40页 |
| 3.1 K-means算法并行化分析 | 第31-32页 |
| 3.2 Hash算法简介 | 第32页 |
| 3.3 基于Hash算法的初始聚类中心选取 | 第32-34页 |
| 3.4 基于Hash改进的K-means算法 | 第34-35页 |
| 3.4.1 算法流程 | 第34页 |
| 3.4.2 算法伪代码实现 | 第34-35页 |
| 3.5 改进算法在MapReduce框架上的实现 | 第35-37页 |
| 3.5.1 算法并行化实现策略 | 第35页 |
| 3.5.2 算法并行化的具体实现 | 第35-37页 |
| 3.6 实验 | 第37-39页 |
| 3.6.1 实验数据和环境 | 第37-38页 |
| 3.6.2 实验结果及分析 | 第38-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 一种Hadoop平台下的树形聚类算法 | 第40-48页 |
| 4.1 基于权重的数据分块 | 第40-41页 |
| 4.2 微团定义 | 第41页 |
| 4.3 树形合并 | 第41-42页 |
| 4.4 PAClustering算法 | 第42-43页 |
| 4.4.1 PAClustering算法思想 | 第42-43页 |
| 4.4.2 PAClustering算法描述 | 第43页 |
| 4.5 PAClustering算法在Hadoop平台的实现 | 第43-45页 |
| 4.6 实验 | 第45-47页 |
| 4.6.1 实验数据和环境 | 第45页 |
| 4.6.2 实验结果及分析 | 第45-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录A （攻读学位期间所发表的学术论文） | 第54-55页 |
| 中文详细摘要 | 第55-59页 |
| 英文详细摘要 | 第59-63页 |