| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| CONTENTS | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 论文研究背景及选题意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文研究内容和主要工作 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 云计算及Hadoop平台的MapReduce | 第17-28页 |
| 2.1 云计算中的主要技术构成 | 第17-20页 |
| 2.1.1 虚拟化技术 | 第18页 |
| 2.1.2 分布式计算和并行计算 | 第18-19页 |
| 2.1.3 分布式存储 | 第19-20页 |
| 2.2 Hadoop技术 | 第20-23页 |
| 2.2.1 Hadoop总体结构及特点 | 第20-21页 |
| 2.2.2 Hadoop分布式文件系统 | 第21-23页 |
| 2.3 Hadoop的MapReduce化编程 | 第23-27页 |
| 2.3.1 MapReduce化编程 | 第23-26页 |
| 2.3.2 MapReduce核心功能 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 DBSCAN聚类算法 | 第28-36页 |
| 3.1 聚类算法概述 | 第28-30页 |
| 3.1.1 聚类挖掘介绍 | 第28-29页 |
| 3.1.2 聚类挖掘算法的步骤 | 第29-30页 |
| 3.2 DBSCAN聚类算法的概述 | 第30-35页 |
| 3.2.1 DBSCAN聚类算法概念及特点 | 第31-33页 |
| 3.2.2 DBSCAN聚类算法流程 | 第33-35页 |
| 3.3 小结 | 第35-36页 |
| 第四章 面向增量的DBSCAN算法 | 第36-41页 |
| 4.1 基于增量的数据挖掘 | 第36页 |
| 4.2 增量学习的优势 | 第36-37页 |
| 4.3 基于增量的DBSCAN算法 | 第37-39页 |
| 4.3.1 增量DBSCAN算法 | 第37-39页 |
| 4.3.2 增量DBSCAN算法的优势 | 第39页 |
| 4.4 小结 | 第39-41页 |
| 第五章 基于Hadoop平台的DBSCAN算法研究 | 第41-48页 |
| 5.1 基于HADOOP的MAPREDUCE增量学习 | 第41-42页 |
| 5.1.1 Map/Reduce化增量分类模型 | 第41-42页 |
| 5.1.2 Map/Reduce化增量分类的特点 | 第42页 |
| 5.2 MapReduce化的增量算法分析 | 第42-45页 |
| 5.2.1 Map/Reduce化增量算法 | 第42-43页 |
| 5.2.2 Map/Reduce化增量算法分析 | 第43-45页 |
| 5.3 MapReduce化DBSCAN算法 | 第45-47页 |
| 5.3.1 DBSCAN算法MapReduce化策略 | 第45-46页 |
| 5.3.2 DBSCAN算法MapReduce化思想 | 第46-47页 |
| 5.4 小结 | 第47-48页 |
| 第六章 Hadoop平台增量DBSCAN运行实验及结果分析 | 第48-63页 |
| 6.1 增量DBSCAN算法实验 | 第48-51页 |
| 6.2 Hadoop平台模拟实验及数据结果分析 | 第51-62页 |
| 6.2.1 Hadoop安装所需软硬件 | 第51-57页 |
| 6.2.2 在Hadoop平台上运行增量DBSCAN算法 | 第57-60页 |
| 6.2.3 实验过程及结果分析 | 第60-62页 |
| 6.3 小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间参加的研究项目和发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
