摘要 | 第9-10页 |
Abstract | 第10-11页 |
1 绪论 | 第12-18页 |
1.1 研究背景及意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.1 K中心点聚类算法研究现状 | 第13-14页 |
1.2.2 布谷鸟算法研究现状 | 第14-15页 |
1.2.3 MapReduce框架研究现状 | 第15页 |
1.3 本文主要研究内容及工作 | 第15-16页 |
1.4 本文组织结构 | 第16-18页 |
2 相关理论基础 | 第18-26页 |
2.1 聚类 | 第18-20页 |
2.1.1 聚类定义 | 第18页 |
2.1.2 聚类方法 | 第18-19页 |
2.1.3 聚类分析中的准则函数 | 第19页 |
2.1.4 聚类分析基本步骤 | 第19-20页 |
2.2 K中心点聚类算法 | 第20-21页 |
2.2.1 K中心点算法思想 | 第20页 |
2.2.2 K中心点算法流程 | 第20-21页 |
2.2.3 K中心点算法优缺点 | 第21页 |
2.3 布谷鸟算法 | 第21-23页 |
2.3.1 布谷鸟算法仿生原理 | 第21-22页 |
2.3.2 布谷鸟算法思想 | 第22页 |
2.3.3 布谷鸟算法实现流程 | 第22-23页 |
2.3.4 布谷鸟算法的特点 | 第23页 |
2.4 MapReduce框架 | 第23-25页 |
2.4.1 MapReduce工作原理 | 第23-24页 |
2.4.2 MapReduce模型优点 | 第24-25页 |
2.5 本章小结 | 第25-26页 |
3 基于改进布谷鸟算法的K中心点聚类分析 | 第26-38页 |
3.1 改进布谷鸟算法 | 第26-30页 |
3.1.1 改进布谷鸟算法提出的思路 | 第26-28页 |
3.1.2 ECS算法思想 | 第28-29页 |
3.1.3 ECS算法流程 | 第29-30页 |
3.2 ECS算法的实验分析 | 第30-32页 |
3.2.1 CS算法和ECS算法的对比实验 | 第30页 |
3.2.2 ECS算法在UCI数据集上的实验 | 第30-32页 |
3.3 ECS算法和K中心点算法的结合改进 | 第32-33页 |
3.4 ECS-KMD算法的实验分析 | 第33-37页 |
3.4.1 聚类质量分析 | 第34-35页 |
3.4.2 聚类结果准确性分析 | 第35-36页 |
3.4.3 聚类执行时间分析 | 第36-37页 |
3.5 本章小结 | 第37-38页 |
4 基于MapReduce的ECS-KMD算法分析 | 第38-46页 |
4.1 单机串行ECS-KMD算法分析 | 第38-39页 |
4.2 基于MapReduce的ECS-KMD算法 | 第39-40页 |
4.2.1 算法思想 | 第39页 |
4.2.2 算法流程 | 第39-40页 |
4.3 实验结果与性能分析 | 第40-45页 |
4.3.1 实验环境 | 第40页 |
4.3.2 MapReduce框架分析 | 第40-42页 |
4.3.3 ECS-KMD并行算法性能分析 | 第42-45页 |
4.4 本章小结 | 第45-46页 |
5 结论与展望 | 第46-48页 |
5.1 总结 | 第46页 |
5.2 展望 | 第46-48页 |
参考文献 | 第48-52页 |
致谢 | 第52页 |