| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究意义 | 第15页 |
| 1.3 国内外研究现状 | 第15-18页 |
| 1.3.1 蚁群聚类算法研究现状 | 第15-17页 |
| 1.3.2 基于MapReduce框架的聚类算法研究现状 | 第17-18页 |
| 1.4 研究内容及组织结构 | 第18-19页 |
| 1.4.1 研究内容 | 第18页 |
| 1.4.2 论文组织结构 | 第18-19页 |
| 1.5 论文创新点 | 第19-20页 |
| 第二章 聚类分析算法 | 第20-32页 |
| 2.1 数据挖掘 | 第20-22页 |
| 2.1.1 数据挖掘发展历程 | 第20-21页 |
| 2.1.2 数据挖掘技术分类 | 第21-22页 |
| 2.2 聚类分析算法分类 | 第22-27页 |
| 2.2.1 分层聚类法 | 第22-24页 |
| 2.2.2 划分聚类法 | 第24-25页 |
| 2.2.3 基于密度的方法 | 第25-26页 |
| 2.2.4 基于网格的方法 | 第26页 |
| 2.2.5 基于模型的方法 | 第26-27页 |
| 2.2.6 基于约束的方法 | 第27页 |
| 2.3 ACOC聚类算法 | 第27-30页 |
| 2.3.1 蚁群觅食策略 | 第27-29页 |
| 2.3.2 蚁群觅食优化聚类模型 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 MAPREDUCE框架概述与HADOOP平台搭建 | 第32-41页 |
| 3.1 MapReduce并行计算框架 | 第33-36页 |
| 3.1.1 MapReduce编程思想 | 第33-35页 |
| 3.1.2 MapReduce处理流程 | 第35-36页 |
| 3.2 HADOOP实验平台搭建 | 第36-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 MR-ACOC聚类算法与优化 | 第41-55页 |
| 4.1 MR-ACOC聚类算法设计 | 第41-49页 |
| 4.2 MR-ACOC聚类算法优化 | 第49-54页 |
| 4.2.1 优化MapReduce调度 | 第49-53页 |
| 4.2.2 优化样本数据来源 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 实验与结果分析 | 第55-60页 |
| 5.1 实验环境和数据集 | 第55-56页 |
| 5.2 评价指标 | 第56-57页 |
| 5.3 实验结果与分析 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 后续工作与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66-67页 |