| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文工作及结构 | 第12-14页 |
| 第2章 大数据挖掘技术概述与分析 | 第14-19页 |
| 2.1 大数据挖掘概述 | 第14-15页 |
| 2.1.1 大数据概念与特点 | 第14页 |
| 2.1.2 数据挖掘的介绍 | 第14-15页 |
| 2.2 聚类技术 | 第15-17页 |
| 2.2.1 划分聚类 | 第15-16页 |
| 2.2.2 层次聚类 | 第16页 |
| 2.2.3 基于密度的聚类 | 第16-17页 |
| 2.3 海量数据处理技术 | 第17-18页 |
| 2.3.1 抽样技术 | 第17页 |
| 2.3.2 增量式技术 | 第17-18页 |
| 2.3.3 分布式技术 | 第18页 |
| 2.3.4 云计算 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 基于增量式的核模糊聚类算法研究 | 第19-39页 |
| 3.1 增量式聚类模型 | 第19-20页 |
| 3.2 增量式核模糊聚类算法 | 第20-23页 |
| 3.3 改进的基于增量式的核模糊聚类算法 | 第23-30页 |
| 3.3.1 单个数据块初始聚类中心的优化 | 第24-27页 |
| 3.3.2 多个传递点的选取 | 第27-29页 |
| 3.3.3 改进算法的流程 | 第29-30页 |
| 3.4 实验结果与分析 | 第30-38页 |
| 3.4.1 数据集 | 第31-32页 |
| 3.4.2 数据划分方法 | 第32页 |
| 3.4.3 性能指标 | 第32-33页 |
| 3.4.4 结果与分析 | 第33-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 分布式k-means算法研究 | 第39-53页 |
| 4.1 分布式聚类模型 | 第39-40页 |
| 4.2 分布式k-means算法分析 | 第40-41页 |
| 4.3 改进的分布式k-means算法 | 第41-48页 |
| 4.3.1 局部聚类结果的改进 | 第42-44页 |
| 4.3.2 基于距离和分布的局部聚类结果合并的方法 | 第44-47页 |
| 4.3.3 改进的分布式k-means算法描述 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-52页 |
| 4.4.1 与集中式k-means算法的比较 | 第48-50页 |
| 4.4.2 与K-Dmeans算法的比较 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53页 |
| 5.2 不足与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |