| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 论文研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究目的及其意义 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 2 文本聚类 | 第13-27页 |
| 2.1 文本聚类概述 | 第13-14页 |
| 2.2 文本聚类分类 | 第14-16页 |
| 2.3 文本聚类技术 | 第16-26页 |
| 2.3.1 文本分词技术 | 第16-18页 |
| 2.3.2 特征降维方法 | 第18-21页 |
| 2.3.3 文本表示方法 | 第21-22页 |
| 2.3.4 特征权重计算方法 | 第22-23页 |
| 2.3.5 距离和相似度度量 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 Hadoop 云计算平台 | 第27-38页 |
| 3.1 HDFS 分布式文件系统 | 第28-34页 |
| 3.1.1 HDFS 的特点 | 第28-29页 |
| 3.1.2 HDFS 的体系结构 | 第29-31页 |
| 3.1.3 保障 HDFS 可靠性措施 | 第31-32页 |
| 3.1.4 HDFS 缺点及改进 | 第32-34页 |
| 3.2 MapReduce 编程模型 | 第34-37页 |
| 3.2.1 MapReduce 编程思想 | 第34-36页 |
| 3.2.2 MapReduce 处理流程 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 基于 MapReduce 编程模型的 Canopy 文本聚类算法 | 第38-52页 |
| 4.1 k 均值算法简介 | 第38-40页 |
| 4.2 k 均值算法 MapReduce 并行化 | 第40-44页 |
| 4.3 Canopy 算法简介 | 第44-47页 |
| 4.4 Canopy 算法 MapReduce 并行化设计 | 第47-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 实验与分析 | 第52-59页 |
| 5.1 实验环境 | 第52-53页 |
| 5.2 数据集预处理 | 第53页 |
| 5.3 单机对比实验 | 第53-54页 |
| 5.4 集群加速比实验 | 第54-55页 |
| 5.5 聚类结果分析 | 第55-58页 |
| 5.6 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |