| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究的目的与意义 | 第11-12页 |
| 1.4 论文的主要工作 | 第12-13页 |
| 1.5 论文的组织结构 | 第13-15页 |
| 第2章 聚类分析 | 第15-19页 |
| 2.1 数据挖掘概述 | 第15页 |
| 2.2 数据挖掘流程 | 第15-16页 |
| 2.3 常用的气象数据挖掘方法 | 第16-17页 |
| 2.3.1 聚类分析 | 第16-17页 |
| 2.3.2 分类分析 | 第17页 |
| 2.3.3 关联规则分析 | 第17页 |
| 2.4 K-Means聚类算法 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第3章 云计算平台介绍 | 第19-30页 |
| 3.1 云计算平台概述 | 第19-22页 |
| 3.2 HDFS—Hadoop分布式文件系统 | 第22-24页 |
| 3.3 YARN—Hadoop资源调度系统 | 第24-26页 |
| 3.4 MapReduce—Haoop分布式计算模型 | 第26-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 基于Hadoop平台的HKM算法 | 第30-42页 |
| 4.1 经典K-Means算法概述 | 第30-31页 |
| 4.2 经典K-Means算法优化 | 第31-35页 |
| 4.2.1 初始中心点选取 | 第31-32页 |
| 4.2.2 噪声点处理 | 第32-33页 |
| 4.2.3 K-Means优化后的算法流程 | 第33-35页 |
| 4.3 HKM算法实现过程 | 第35-41页 |
| 4.3.1 初始中心点选取的MapReduce实现 | 第35-37页 |
| 4.3.2 噪声点处理的MapReduce实现 | 第37-38页 |
| 4.3.3 聚类过程的MapReduce实现 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 实验分析 | 第42-49页 |
| 5.1 实验环境 | 第42-43页 |
| 5.1.1 Hadoop节点配置 | 第42页 |
| 5.1.2 Hadoop集群规划 | 第42-43页 |
| 5.2 实验分析 | 第43-46页 |
| 5.2.1 实验数据 | 第43-44页 |
| 5.2.2 算法加速比测评 | 第44-45页 |
| 5.2.3 算法伸缩率测评 | 第45-46页 |
| 5.2.4 算法扩展率测评 | 第46页 |
| 5.3 聚类结果可视化 | 第46-48页 |
| 5.4 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录A | 第53-54页 |
| 致谢 | 第54-55页 |
| 导师简介 | 第55-56页 |
| 作者简介 | 第56-57页 |
| 学位论文数据集 | 第57页 |