| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容及章节安排 | 第12-14页 |
| 1.3.1 论文主要研究内容 | 第12页 |
| 1.3.2 论文章节安排 | 第12-14页 |
| 第二章 聚类分析与Spark相关技术概述 | 第14-21页 |
| 2.1 聚类分析相关介绍 | 第14-17页 |
| 2.1.1 聚类分析的相似性和相异性 | 第14-15页 |
| 2.1.2 聚类算法分类 | 第15-16页 |
| 2.1.3 聚类有效性评价指标 | 第16-17页 |
| 2.2 Spark框架相关介绍 | 第17-20页 |
| 2.2.1 Spark应用执行原理 | 第17-18页 |
| 2.2.2 Spark数据分析栈 | 第18-19页 |
| 2.2.3 Spark优势 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于改进布谷鸟搜索的密度峰值聚类算法 | 第21-39页 |
| 3.1 改进的布谷鸟搜索算法 | 第21-29页 |
| 3.1.1 布谷鸟搜索算法原理及性质 | 第22-23页 |
| 3.1.2 改进后的布谷鸟搜索算法 | 第23-25页 |
| 3.1.3 仿真实验 | 第25-29页 |
| 3.2 基于改进布谷鸟搜索的密度峰值聚类算法 | 第29-38页 |
| 3.2.1 FSDP聚类算法原理 | 第29-31页 |
| 3.2.2 FSDP聚类算法存在的问题 | 第31-32页 |
| 3.2.3 鸟巢位置编码和适应度函数定义 | 第32-33页 |
| 3.2.4 基于布谷鸟搜索算法的FSDP聚类算法设计与实现 | 第33-34页 |
| 3.2.5 仿真实验 | 第34-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于Spark的并行FSDP聚类算法 | 第39-53页 |
| 4.1 问题述和相关定义 | 第39-40页 |
| 4.2 SFSDP算法设计与实现 | 第40-47页 |
| 4.2.1 数据分区 | 第41-44页 |
| 4.2.2 分区内局部聚类 | 第44页 |
| 4.2.3 局部簇合并 | 第44-46页 |
| 4.2.4 算法时间和空间复杂度分析 | 第46-47页 |
| 4.3 仿真实验 | 第47-50页 |
| 4.3.1 实验环境搭建 | 第47页 |
| 4.3.2 算法准确性对比实验 | 第47-48页 |
| 4.3.3 算法性能对比实验 | 第48-49页 |
| 4.3.4 加速比和扩展比分析 | 第49-50页 |
| 4.4 SFSDP算法在城市热点区域探测分析中的应用 | 第50-52页 |
| 4.4.1 应用背景 | 第50-51页 |
| 4.4.2 应用实现与效果展示 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第60页 |