| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 Hadoop技术架构研究 | 第16-26页 |
| 2.1 Hadoop简介 | 第16-17页 |
| 2.2 HDFS分布式文件系统 | 第17-21页 |
| 2.2.1 HDFS设计思想 | 第17-18页 |
| 2.2.2 HDFS体系结构 | 第18-19页 |
| 2.2.3 HDFS读写流程 | 第19-21页 |
| 2.3 YARN分布式资源调度平台 | 第21-23页 |
| 2.3.1 YARN架构 | 第21-22页 |
| 2.3.2 YARN工作流程 | 第22-23页 |
| 2.4 MapReduce并行编程模型 | 第23-25页 |
| 2.4.1 MapReduce简介 | 第23-24页 |
| 2.4.2 MapReduce处理阶段 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 传统聚类算法研究 | 第26-36页 |
| 3.1 聚类分析概述 | 第26-30页 |
| 3.1.1 聚类分析的定义 | 第26-27页 |
| 3.1.2 聚类分析中的数据结构 | 第27-28页 |
| 3.1.3 聚类的相似性度量 | 第28-29页 |
| 3.1.4 聚类分析方法 | 第29-30页 |
| 3.2 Kmeans算法 | 第30-32页 |
| 3.2.1 算法思想 | 第30-31页 |
| 3.2.2 算法流程 | 第31-32页 |
| 3.2.3 算法复杂度分析 | 第32页 |
| 3.3 Canopy-Kmeans算法 | 第32-35页 |
| 3.3.1 算法思想 | 第32-33页 |
| 3.3.2 算法流程 | 第33-34页 |
| 3.3.3 算法复杂度分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于Hadoop的聚类算法并行化研究 | 第36-51页 |
| 4.1 并行化的Kmeans算法优化策略 | 第36-37页 |
| 4.1.1 数据min-max标准化 | 第36页 |
| 4.1.2 HDFS块大小设置 | 第36-37页 |
| 4.2 基于Hadoop平台的Kmeans算法设计 | 第37-43页 |
| 4.2.1 优化的Kmeans算法并行化设计思想 | 第37-39页 |
| 4.2.2 Kmeans算法的MapReduce实现 | 第39-42页 |
| 4.2.3 算法复杂度分析 | 第42-43页 |
| 4.3 并行化的Canopy-Kmeans算法优化策略 | 第43-45页 |
| 4.3.1 canopy中心点选取优化 | 第43-44页 |
| 4.3.2 Kmeans迭代过程优化 | 第44页 |
| 4.3.3 删除数据集中的孤立点 | 第44-45页 |
| 4.4 基于Hadoop平台改进的Canopy-Kmeans算法设计 | 第45-50页 |
| 4.4.1 改进的Canopy-Kmeans算法并行化设计思想 | 第45-47页 |
| 4.4.2 改进的Canopy-Kmeans算法的MapReduce实现 | 第47-50页 |
| 4.4.3 算法复杂度分析 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验与分析 | 第51-58页 |
| 5.1 实验环境 | 第51-52页 |
| 5.1.1 主机规划 | 第51-52页 |
| 5.1.2 Hadoop集群规划 | 第52页 |
| 5.2 实验结果与分析 | 第52-57页 |
| 5.2.1 有效性实验 | 第53-54页 |
| 5.2.2 收敛性实验 | 第54-55页 |
| 5.2.3 可扩展性实验 | 第55-56页 |
| 5.2.4 加速比实验 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简介 | 第63-64页 |
| 致谢 | 第64页 |
