| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 非关系型数据存储的研究现状 | 第13-15页 |
| 1.2.2 聚类算法 | 第15-18页 |
| 1.3 研究内容及特色 | 第18-19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 第二章 并行聚类算法的主要技术 | 第20-35页 |
| 2.1 HDFS分布式文件系统 | 第23-26页 |
| 2.2 面向列存储的HBase | 第26-27页 |
| 2.3 MapReduce分布式计算框架 | 第27-28页 |
| 2.4 K-means聚类算法 | 第28-35页 |
| 2.4.1 普通单机K-means算法 | 第28-30页 |
| 2.4.2 并行K-means算法 | 第30-35页 |
| 第三章 基于HBase列存储的并行聚类算法架构设计 | 第35-44页 |
| 3.1 聚类分析分布式计算平台的架构设计 | 第35-36页 |
| 3.2 HBase中表的设计 | 第36-44页 |
| 3.2.1 二维聚类在移动定位应用中HBase表的设计 | 第38-40页 |
| 3.2.2 多维聚类在图书聚类应用中HBase表的设计 | 第40-44页 |
| 第四章 基于HBase的并行聚类算法实现 | 第44-58页 |
| 4.1 二维聚类分析在移动定位中的实现 | 第44-52页 |
| 4.1.1 HBase表的操作 | 第45-49页 |
| 4.1.2 单机版K-means算法 | 第49-50页 |
| 4.1.3 并行MapReduce | 第50-52页 |
| 4.2 多维聚类分析在图书聚类服务中的实现 | 第52-58页 |
| 第五章 应用与分析 | 第58-69页 |
| 5.1 实验环境搭建 | 第58-61页 |
| 5.1.1 Hadoop安装 | 第58-61页 |
| 5.1.2 HBase环境搭建 | 第61页 |
| 5.2 聚类分析的应用 | 第61-66页 |
| 5.2.1 在移动定位系统中的应用 | 第61-63页 |
| 5.2.2 在图书聚类服务中的应用 | 第63-66页 |
| 5.3 实验结果分析 | 第66-69页 |
| 5.3.1 时间分析 | 第66-67页 |
| 5.3.2 准确率分析 | 第67-69页 |
| 第六章 总结与展望 | 第69-73页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 作者攻读学位期间发表的学术论文目录 | 第78页 |
