| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容及组织结构 | 第13-15页 |
| 第二章 相关理论与技术 | 第15-28页 |
| ·空间聚类分析 | 第15-20页 |
| ·空间聚类概念 | 第15-16页 |
| ·空间聚类分析方法 | 第16-20页 |
| ·并行聚类技术 | 第20-22页 |
| ·并行技术介绍 | 第20页 |
| ·并行策略 | 第20-21页 |
| ·并行算法的性能评价 | 第21-22页 |
| ·云计算技术 | 第22-27页 |
| ·云计算简介 | 第22-23页 |
| ·云计算关键技术 | 第23-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于 MapReduce 的 K-Medoids 并行算法研究 | 第28-37页 |
| ·K-Medoids 算法简介 | 第28-30页 |
| ·K-Medoids 算法思想 | 第28-29页 |
| ·K-Medoids 算法模型 | 第29-30页 |
| ·基于 MapReduce 的 K-Medoids 并行算法设计 | 第30-33页 |
| ·基于 MapReduce 的 K-Means 并行算法分析 | 第30-32页 |
| ·基于 MapReduce 的 K-Medoids 算法思想 | 第32页 |
| ·基于 MapReduce 的 K-Medoids 算法流程 | 第32-33页 |
| ·基于 MapReduce 的 K-Medoids 并行算法实现 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于 MapReduce 的网格密度并行聚类算法研究 | 第37-48页 |
| ·基于网格密度的聚类算法简介 | 第37-41页 |
| ·基于网格密度的聚类算法思想 | 第37页 |
| ·基于网格密度的聚类算法模型 | 第37-41页 |
| ·基于 MapReduce 的网格密度并行聚类算法 PGDC 设计 | 第41-43页 |
| ·基于 MapReduce 的网格密度并行聚类算法 PGDC 思想 | 第42页 |
| ·基于 MapReduce 的网格密度并行聚类算法 PGDC 流程 | 第42-43页 |
| ·基于 MapReduce 的网格密度并行聚类算法 PGDC 实现 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于 MapReduce 的并行聚类算法测试及分析 | 第48-57页 |
| ·Hadoop 分布式平台 | 第48-50页 |
| ·平台简介 | 第48-49页 |
| ·平台搭建 | 第49-50页 |
| ·实验结果与性能分析 | 第50-54页 |
| ·并行聚类算法的有效性分析 | 第50-51页 |
| ·并行聚类算法的加速比分析 | 第51-53页 |
| ·并行聚类算法的可扩展性分析 | 第53-54页 |
| ·基于 MapReduce 的 K-Medoids 算法在粮库选址模型的应用 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·全文总结 | 第57-58页 |
| ·进一步工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
