| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 Overlapping聚类研究现状 | 第11-12页 |
| 1.2.2 基于云计算聚类算法研究现状 | 第12-13页 |
| 1.3 本文主要研究内容和结构安排 | 第13-15页 |
| 第2章 理论基础 | 第15-23页 |
| 2.1 聚类分析 | 第15-20页 |
| 2.1.1 聚类分析的概念 | 第15页 |
| 2.1.2 聚类分析中数据类型 | 第15-16页 |
| 2.1.3 主要聚类方法的分类 | 第16-17页 |
| 2.1.4 聚类性能评价标准 | 第17-19页 |
| 2.1.5 数据预处理 | 第19-20页 |
| 2.2 OVERLAPPING聚类分析 | 第20-22页 |
| 2.2.1 模糊聚类分析 | 第20-21页 |
| 2.2.2 Overlapping聚类分析 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 OVERLAPPING聚类框架 | 第23-32页 |
| 3.1 OVERLAPPING聚类框架介绍 | 第23-24页 |
| 3.2 基于硬聚类的OVERLAPPING聚类框架 | 第24-29页 |
| 3.2.1 聚类部分 | 第24-25页 |
| 3.2.2 选择部分 | 第25-29页 |
| 3.2.3 融合部分 | 第29页 |
| 3.3 基于软聚类的OVERLAPPING聚类框架 | 第29-31页 |
| 3.3.1 聚类部分 | 第29-30页 |
| 3.3.2 选择部分 | 第30-31页 |
| 3.3.3 融合部分 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于HADOOP的并行OVERLAPPING聚类 | 第32-45页 |
| 4.1 HADOOP与MAHOUT简述 | 第32页 |
| 4.2 MAPREDUCE并行计算框架 | 第32-38页 |
| 4.2.1 MapReduce的工作机制 | 第32-34页 |
| 4.2.2 MapReduce数据流 | 第34-37页 |
| 4.2.3 MapReduce工作流 | 第37-38页 |
| 4.3 OVERLAPPING聚类的并行化 | 第38-44页 |
| 4.3.1 聚类部分 | 第38-41页 |
| 4.3.2 选择部分 | 第41-44页 |
| 4.3.3 融合部分 | 第44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验结果与分析 | 第45-58页 |
| 5.1 单机OVERLAPPING聚类实验 | 第45-53页 |
| 5.1.1 实验数据集介绍 | 第45-46页 |
| 5.1.2 Overlapping聚类实验分析 | 第46-49页 |
| 5.1.3 Overlapping聚类实验结果对比 | 第49-51页 |
| 5.1.4 社交网络中Overlapping聚类分析 | 第51-53页 |
| 5.2 基于MAPREDUCE模型OVERLAPPING聚类实验分析 | 第53-57页 |
| 5.2.1 实验环境构建及配置 | 第53-54页 |
| 5.2.2 实验数据集介绍 | 第54-55页 |
| 5.2.3 实验评价方法 | 第55页 |
| 5.2.4 并行Overlapping聚类实验结果 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第65页 |
