| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12-14页 |
| 2 Mahout及其运行环境与编程模型的综合研究 | 第14-27页 |
| 2.1 Hadoop简介 | 第14-17页 |
| 2.2 MapReduce编程模型 | 第17-24页 |
| 2.3 Mahout机器学习软件库 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 K-means算法及其并行化研究 | 第27-45页 |
| 3.1 聚类算法概述 | 第27-32页 |
| 3.2 K-means算法研究 | 第32-33页 |
| 3.3 K-means算法并行化研究 | 第33-36页 |
| 3.4 Mahout中K-means实现策略研究 | 第36-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 k-means算法优化策略研究 | 第45-51页 |
| 4.1 Canopy起源以及原理介绍 | 第46-47页 |
| 4.2 基于Canopy算法的k-means优化策略研究 | 第47-49页 |
| 4.3 算法优化效果评估 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 测试与分析 | 第51-65页 |
| 5.1 测试环境的搭建 | 第51-52页 |
| 5.2 性能测试与分析 | 第52-64页 |
| 5.3 本章总结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |