| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景 | 第11-13页 |
| 1.1.1 分布式数据挖掘算法 | 第11-12页 |
| 1.1.2 分布式数据挖掘算法的应用 | 第12-13页 |
| 1.2 分布式数据挖掘算法的研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 本文的主要工作与内容安排 | 第15-18页 |
| 1.4.1 论文的主要内容 | 第15-16页 |
| 1.4.2 论文的组织结构 | 第16-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 相关技术研究 | 第19-36页 |
| 2.1 数据挖掘算法 | 第19-23页 |
| 2.2 分布式数据挖掘算法 | 第23-24页 |
| 2.3 Hadoop分布式系统 | 第24页 |
| 2.4 HDFS分布式文件系统 | 第24-26页 |
| 2.5 MapReduce编程模型 | 第26-33页 |
| 2.5.1 MapReduce的基本编程模型 | 第29-30页 |
| 2.5.2 MapReduce的基本架构与工作流程 | 第30页 |
| 2.5.3 MapReduce的组件 | 第30-33页 |
| 2.6 Hive分布式数据仓库 | 第33页 |
| 2.7 YARN资源管理系统 | 第33-36页 |
| 第三章 分布式数据挖掘方法研究 | 第36-53页 |
| 3.1 分布式数据挖掘文本分类算法的设计 | 第36-45页 |
| 3.1.1 分布式数据挖掘朴素贝叶斯文本分类算法设计 | 第36-40页 |
| 3.1.2 分布式数据挖掘SVM文本分类算法的设计 | 第40-42页 |
| 3.1.3 分布式数据挖掘文本分类算法实验对比与分析 | 第42-45页 |
| 3.2 分布式数据挖掘算法关联规则 | 第45-46页 |
| 3.2.1 分布式数据挖掘算法关联规则的设计 | 第45-46页 |
| 3.2.2 分布式数据挖掘算法关联规则实验对比分析 | 第46页 |
| 3.3 分布式数据挖掘聚类算法 | 第46-52页 |
| 3.3.1 分布式数据挖掘Canopy聚类算法的设计 | 第46-48页 |
| 3.3.2 分布式数据挖掘k-Means聚类算法的设计 | 第48-50页 |
| 3.3.3 改进的分布式k-Means聚类算法的设计 | 第50-51页 |
| 3.3.4 改进的分布式k-Means聚类算法实验对比与分析 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 分布式数据挖掘在微博热点博文分析系统的应用 | 第53-61页 |
| 4.1 基于分布式数据挖掘的微博热点博文分析系统架构 | 第53-60页 |
| 4.1.1 分布式数据预处理 | 第53-54页 |
| 4.1.2 基于分布式数据挖掘的微博特征向量处理 | 第54-60页 |
| 4.1.3 热点博文分析系统评价指标 | 第60页 |
| 4.2 本章小结 | 第60-61页 |
| 第五章 基于分布式数据挖掘方法的微博热点博文分析系统的实现与实验结果分析 | 第61-69页 |
| 5.1 环境搭建 | 第61-63页 |
| 5.1.1 系统硬件环境 | 第61-62页 |
| 5.1.2 Hadoop运行软件环境 | 第62页 |
| 5.1.3 Hadoop环境的配置 | 第62页 |
| 5.1.4 Hadoop系统的部署 | 第62-63页 |
| 5.2 基于分布式数据挖掘的微博热点博文实验与分析 | 第63-65页 |
| 5.2.1 实验安排 | 第63-65页 |
| 5.2.2 实验过程 | 第65页 |
| 5.2.3 实验结果与分析 | 第65页 |
| 5.3 基于分布式数据挖掘算法的微博热点博文分析系统 | 第65-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74页 |
