| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题的背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-12页 |
| ·分布式并行计算平台的研究现状 | 第8-9页 |
| ·空间数据挖掘研究现状 | 第9-10页 |
| ·并行数据挖掘算法现状分析 | 第10页 |
| ·GML空间数据挖掘研究现状 | 第10-12页 |
| ·论文的主要工作 | 第12页 |
| ·论文章节安排 | 第12-14页 |
| 第二章 相关技术基础 | 第14-22页 |
| ·云计算概述 | 第14-15页 |
| ·Hadoop平台相关技术综述 | 第15-18页 |
| ·MapReduce分布式计算框架 | 第15-18页 |
| ·HDFS分布式文件系统 | 第18页 |
| ·GML概述 | 第18-21页 |
| ·GML相关模式 | 第18-20页 |
| ·GML时态模式中引入的与之相关联的模式 | 第20-21页 |
| ·GML中动态要素的表述 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 GML时空聚类分析技术 | 第22-35页 |
| ·聚类分析技术 | 第22-28页 |
| ·聚类概述 | 第22-23页 |
| ·聚类中几种主要的算法分析 | 第23-26页 |
| ·相似性度量 | 第26-28页 |
| ·GML时空并行聚类挖掘关键技术 | 第28-33页 |
| ·GML文档解析及分布式存储的划分策略 | 第28-31页 |
| ·GML时空序列相似性度量 | 第31页 |
| ·聚类质量的评估和并行性能度量 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于MapReduce的GML时空聚类算法研究 | 第35-51页 |
| ·基于时空序列的GMLK-均值并行聚类挖掘 | 第35-40页 |
| ·结合K-means聚类的GML时空序列相似度度量 | 第35页 |
| ·GML时空K-均值聚类算法的MapReduce实现 | 第35-40页 |
| ·基于空间邻域的GML时空并行聚类挖掘 | 第40-42页 |
| ·基于空间邻域的GML时序相似性度量相关定义 | 第40页 |
| ·基于空间邻域GML时空聚类的MapReduce实现 | 第40-42页 |
| ·GML时空并行聚类挖掘的设计流程 | 第42-43页 |
| ·实验结果分析 | 第43-50页 |
| ·实验数据的准备 | 第43-46页 |
| ·结果分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 并行GML时空聚类挖掘原型系统与结果呈现 | 第51-59页 |
| ·原型系统的设计 | 第51-56页 |
| ·系统的需求分析 | 第51页 |
| ·系统的框架模型 | 第51-52页 |
| ·系统实现 | 第52-56页 |
| ·结果呈现 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·论文总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 个人简历及攻读硕士学位期间论文发表情况 | 第65-66页 |
