| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 聚类算法和并行计算的研究现状 | 第11-15页 |
| 1.2.1 遗传算法研究现状 | 第11-13页 |
| 1.2.2 K-means算法研究现状 | 第13-14页 |
| 1.2.3 分布式研究现状 | 第14-15页 |
| 1.3 课题的来源及研究内容 | 第15-17页 |
| 1.3.1 课题来源 | 第15页 |
| 1.3.2 课题的主要研究内容 | 第15-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第2章 相关技术概述 | 第19-27页 |
| 2.1 聚类算法的相关概述 | 第19-22页 |
| 2.1.1 聚类算法的定义 | 第19页 |
| 2.1.2 聚类算法的常用数据结构 | 第19-21页 |
| 2.1.3 常用的聚类算法 | 第21-22页 |
| 2.2 MapReduce的概述 | 第22-24页 |
| 2.2.1MapReduce工作原理 | 第23页 |
| 2.2.2 MapReduce的基本结构 | 第23-24页 |
| 2.3 Hadoop集群架构 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 改进遗传算法的MapReduce实现 | 第27-39页 |
| 3.1 遗传算法概述 | 第27-31页 |
| 3.1.1 遗传算法特点 | 第28页 |
| 3.1.2 遗传算法主要组成 | 第28-31页 |
| 3.2 粒子群算法 | 第31-33页 |
| 3.3 遗传算法并行化的分析 | 第33-34页 |
| 3.4 改进遗传算法的MapReduce化分析 | 第34-36页 |
| 3.5 遗传算法的并行化实现 | 第36-38页 |
| 3.5.1 Map函数的设计 | 第37-38页 |
| 3.5.2 Reduce函数的设计 | 第38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 改进K-means算法的MapReduce实现 | 第39-46页 |
| 4.1 引言 | 第39页 |
| 4.2 K-means算法概述 | 第39-41页 |
| 4.3 改进算法的并行化设计 | 第41-43页 |
| 4.4 改进算法的并行化实现 | 第43-44页 |
| 4.5 算法的时间复杂度分析 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 实验结果分析 | 第46-52页 |
| 5.1 实验环境 | 第46-47页 |
| 5.1.1 Hadoop实验环境 | 第46页 |
| 5.1.2 Hadoop集群搭建 | 第46-47页 |
| 5.2 实验性能分析 | 第47-51页 |
| 5.2.1 单机性能比较实验 | 第47-49页 |
| 5.2.2 集群性能实验 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间所发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |