| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 本文的主要工作和章节安排 | 第11-13页 |
| 第2章 聚类算法及相关技术综述 | 第13-28页 |
| 2.1 聚类的定义 | 第13页 |
| 2.2 常用聚类算法 | 第13-15页 |
| 2.2.1 基于模型的聚类方法 | 第13页 |
| 2.2.2 基于划分的聚类方法 | 第13-14页 |
| 2.2.3 基于网格的聚类方法 | 第14页 |
| 2.2.4 基于层次的聚类方法 | 第14-15页 |
| 2.3 文本聚类 | 第15-20页 |
| 2.3.1 文本聚类的流程 | 第15-17页 |
| 2.3.2 文本聚类的表示模型 | 第17-20页 |
| 2.4 距离与相似性度量 | 第20-22页 |
| 2.5 Hadoop简介 | 第22-23页 |
| 2.6 HDFS | 第23-24页 |
| 2.7 MapReduce | 第24-27页 |
| 2.7.1 MapReduce编程模型的原理 | 第24-25页 |
| 2.7.2 MapReduce任务执行流程 | 第25-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第3章 Hadoop分布式k-means算法的设计 | 第28-34页 |
| 3.1 Hadoop分布式聚类需求分析 | 第28页 |
| 3.2 k-means算法分析 | 第28-29页 |
| 3.3 MapReduce下的k-means算法设计 | 第29-30页 |
| 3.4 实验整体设计思路 | 第30-31页 |
| 3.5 模块设计 | 第31-33页 |
| 3.5.1 数据预处理模块 | 第31-32页 |
| 3.5.2 建立空间向量模型模块 | 第32-33页 |
| 3.5.3 聚类划分 | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于MapReduce的中文网站聚类的实现 | 第34-51页 |
| 4.1 编程环境 | 第34-39页 |
| 4.1.1 硬件环境配置 | 第34页 |
| 4.1.2 软件环境配置 | 第34页 |
| 4.1.3 Hadoop平台环境的搭建 | 第34-39页 |
| 4.2 MapReduce下聚类的实现 | 第39-46页 |
| 4.3 性能的提升与优化 | 第46-47页 |
| 4.4 实验结果及性能分析 | 第47-50页 |
| 4.4.1 聚类评价指标 | 第47-48页 |
| 4.4.2 实验数据来源 | 第48页 |
| 4.4.3 实验结果分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-52页 |
| 5.1 本文工作总结 | 第51页 |
| 5.2 进一步工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在校期间发表的论文、科研成果等 | 第55-56页 |
| 致谢 | 第56页 |
