| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·高维数据聚类的研究现状 | 第10-11页 |
| ·超网络的研究现状 | 第11-12页 |
| ·本文进行的研究工作及文章结构安排 | 第12-13页 |
| ·本文的主要研究工作 | 第12页 |
| ·本文的内容结构安排 | 第12-13页 |
| 第二章 超网络和高维数据聚类的基本知识 | 第13-19页 |
| ·超网络模型及应用 | 第13-14页 |
| ·基本超网络模型 | 第13-14页 |
| ·超网络模型在数据挖掘中的应用 | 第14页 |
| ·高维数据聚类算法及其优缺点 | 第14-18页 |
| ·基于降维的聚类 | 第15-17页 |
| ·基于超图的聚类 | 第17页 |
| ·子空间聚类 | 第17-18页 |
| ·联合聚类 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 一种改进的基于超网络的高维数据聚类算法 | 第19-26页 |
| ·相关定义 | 第19页 |
| ·算法描述 | 第19-24页 |
| ·建立超网络模型——权重超图 | 第20-21页 |
| ·权重超图的划分 | 第21-22页 |
| ·聚类 | 第22-24页 |
| ·实验结果及分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 一种改进的基于大数据集的混合聚类算法 | 第26-35页 |
| ·新算法 | 第26-28页 |
| ·相关工作 | 第26-27页 |
| ·基于超网络的数据聚类算法流程 | 第27页 |
| ·改进的两阶段混合聚类算法 | 第27-28页 |
| ·super-k-means 算法的 MapReduce 并行化实现 | 第28-31页 |
| ·MapReduce 模型 | 第28-29页 |
| ·Map 函数和 Reduce 函数的设计 | 第29-31页 |
| ·实验结果及分析 | 第31-34页 |
| ·单机处理对比试验 | 第31-33页 |
| ·小型集群加速比试验 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 总结与展望 | 第35-37页 |
| ·论文工作总结 | 第35页 |
| ·未来工作展望 | 第35-37页 |
| 参考文献 | 第37-40页 |
| 攻读硕士学位期间取得的科研成果 | 第40-41页 |
| 致谢 | 第41页 |