基于模型融合的分布式聚类框架的设计与实现

摘要	第1-4页
ABSTRACT	第4-8页
第一章 绪论	第8-12页
·分布式聚类	第8-9页
·国内外的研究现状	第9-10页
·研究的目的和意义	第10-11页
·本文的组织结构	第11-12页
第二章 关键技术	第12-25页
·数据挖掘与分布式聚类	第12-17页
·数据挖掘及步骤	第12-13页
·分布式数据聚类的关键技术及特点	第13-14页
·聚类	第14-16页
·分布式聚类	第16-17页
·分布式 k-means 概述	第17-23页
·分布式数据聚类工作原理	第17-18页
·对分布式数据聚类算法的要求	第18-19页
·k-means 算法介绍	第19-20页
·分布式 k-means 工作原理	第20-23页
·分布式 k-means 的优缺点	第23-25页
第三章 基于模型融合的分布式聚类框架的设计实现	第25-35页
·设计需求	第26-27页
·算法整体框架	第27-30页
·模型融合的关键步骤及思想	第30页
·算法评价	第30页
·算法主要实现	第30-35页
·数据密度描述	第30-31页
·Map/Reduce	第31-34页
·迭代的终止与退出	第34-35页
第四章 实验分析	第35-50页
·实验方案	第35-42页
·数据准备	第35-39页
·实验方法及评价	第39-42页
·实验结果与分析	第42-50页
第五章 结论与展望	第50-51页
参考文献	第51-53页
发表论文和科研情况说明	第53-54页
附录	第54-65页
致谢	第65页