| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究的意义 | 第11-12页 |
| 1.4 论文研究的主要内容及相关工作 | 第12页 |
| 1.5 论文组织 | 第12-13页 |
| 2 Hadoop 聚类算法实现的背景概述 | 第13-26页 |
| 2.1 数据挖掘 | 第13-15页 |
| 2.1.1 数据挖掘的定义 | 第13页 |
| 2.1.2 数据挖掘的对象 | 第13页 |
| 2.1.3 数据挖掘的过程 | 第13-14页 |
| 2.1.4 数据挖掘的分类 | 第14-15页 |
| 2.2 聚类分析 | 第15-17页 |
| 2.2.1 聚类的定义 | 第15页 |
| 2.2.2 聚类类型 | 第15-16页 |
| 2.2.3 簇的类型 | 第16页 |
| 2.2.4 聚类的要求 | 第16-17页 |
| 2.3 Hadoop 开源云计算平台 | 第17-18页 |
| 2.3.1 Hadoop 的来源 | 第17-18页 |
| 2.3.2 Hadoop 的结构 | 第18页 |
| 2.4 MapReduce 思想 | 第18-22页 |
| 2.5 HDFS 文件系统 | 第22-23页 |
| 2.6 大数据 | 第23-25页 |
| 2.6.1 大数据的定义 | 第23页 |
| 2.6.2 大数据的特点与发展 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 3 聚类方法分析 | 第26-33页 |
| 3.1 划分方法 | 第26-28页 |
| 3.1.1 K-Means 算法 | 第26-27页 |
| 3.1.2 目标函数的选取 | 第27-28页 |
| 3.1.3 K-Means 的优缺点 | 第28页 |
| 3.2 层次方法 | 第28-30页 |
| 3.2.1 层次聚类的距离计算方法 | 第29页 |
| 3.2.2 层次方法的优缺点 | 第29-30页 |
| 3.3 密度方法 | 第30-31页 |
| 3.3.1 基于中心的密度进行分类 | 第30-31页 |
| 3.3.2 密度算法的优缺点 | 第31页 |
| 3.4 网格方法 | 第31页 |
| 3.5 模型方法 | 第31-32页 |
| 3.6 簇的评估 | 第32页 |
| 3.7 本章小结 | 第32-33页 |
| 4 Hadoop 平台的聚类算法设计 | 第33-59页 |
| 4.1 改进的 K-Means 算法 | 第34-44页 |
| 4.1.1 K-Means 算法设计 | 第35-37页 |
| 4.1.2 基于 MapReduce 的 Canopy-K-Means 算法 | 第37-40页 |
| 4.1.3 基于 MapReduce 的 K-Means 算法的改进 | 第40-41页 |
| 4.1.4 BRTI–K-Means 算法设计 | 第41-44页 |
| 4.2 改进的层次聚类算法 | 第44-49页 |
| 4.2.1 基于均值偏移代表点聚类算法 | 第45-47页 |
| 4.2.2 MS-CURE 算法设计过程 | 第47-49页 |
| 4.3 动态密度聚类算法 | 第49-58页 |
| 4.3.1 DICURDA 聚类算法 | 第50-53页 |
| 4.3.2 DICURDA 算法设计 | 第53-56页 |
| 4.3.3 DICURDA 算法 MapReduce 的实现 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 Hadoop 平台的聚类算法实现分析 | 第59-71页 |
| 5.1 基于 MapReduce 的 BRTI-K-Means 算法分析 | 第59-62页 |
| 5.1.1 实验结果 | 第59-62页 |
| 5.1.2 BRTI-K-Means 算法下一步研究与讨论 | 第62页 |
| 5.2 MS-CURE 算法的结果实验分析 | 第62-67页 |
| 5.2.1 实验平台与测试数据集 | 第62-63页 |
| 5.2.2 实验结果 | 第63-66页 |
| 5.2.3 MS-CURE 算法的下一步研究与讨论 | 第66-67页 |
| 5.3 动态密度聚类算法的实验分析 | 第67-70页 |
| 5.3.1 DICURDA 算法的时效性 | 第67页 |
| 5.3.2 DICURDA 算法的有效性 | 第67-68页 |
| 5.3.3 DICURDA 算法的可伸缩性 | 第68-69页 |
| 5.3.4 DICURDA 算法聚类效果比较 | 第69页 |
| 5.3.5 DICURDA 算法的下一步研究与讨论 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 总结 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 在学期间研究成果 | 第78-79页 |
| 致谢 | 第79页 |
