| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 K‐means聚类算法 | 第11-12页 |
| 1.2.2 BP神经网络算法 | 第12-13页 |
| 1.2.3 基于Hadoop的分布式数据挖掘项目 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 基于Hadoop的分布式数据挖掘相关技术 | 第17-28页 |
| 2.1 Hadoop | 第17-22页 |
| 2.1.1 MapReduce编程框架 | 第17-19页 |
| 2.1.2 HDFS文件系统 | 第19-22页 |
| 2.1.2.1 HDFS系统结构 | 第20-21页 |
| 2.1.2.2 HDFS健壮性 | 第21-22页 |
| 2.2 K‐means算法相关技术 | 第22-25页 |
| 2.2.1 算法流程 | 第22-23页 |
| 2.2.2 算法优缺点 | 第23-25页 |
| 2.3 机器学习相关算法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 改进的K‐means++算法及其并行化实现 | 第28-40页 |
| 3.1 基于概率的初始化算法K‐means++ | 第28-29页 |
| 3.2 针对K‐means++算法的改进 | 第29-34页 |
| 3.2.1 存在的问题 | 第29页 |
| 3.2.2 引入属性权值 | 第29-31页 |
| 3.2.3 并行化改进 | 第31-32页 |
| 3.2.4 改进算法的伪码和流程 | 第32-34页 |
| 3.2.5 算法复杂度分析 | 第34页 |
| 3.3 改进算法的MapReduce实现 | 第34-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 优化的BP神经网络及其并行化实现 | 第40-54页 |
| 4.1 BP神经网络 | 第40-45页 |
| 4.1.1 人工神经网络基础知识 | 第40-43页 |
| 4.1.2 BP神经网络原理和结构 | 第43-44页 |
| 4.1.3 BP神经网络的优缺点 | 第44-45页 |
| 4.2 结合改进的遗传算法优化网络结构和参数 | 第45-49页 |
| 4.2.1 遗传算法 | 第45-46页 |
| 4.2.2 改进的遗传算与BP神经网络结合 | 第46-49页 |
| 4.3 优化算法的并行化 | 第49-53页 |
| 4.3.1 并行化设计 | 第49-51页 |
| 4.3.2 MapReduce伪码 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 实验结果及分析 | 第54-65页 |
| 5.1 实验环境 | 第54-56页 |
| 5.1.1 软硬件环境 | 第54页 |
| 5.1.2 Hadoop部署 | 第54-56页 |
| 5.2 结果评价标准 | 第56-57页 |
| 5.2.1 加速比 | 第56页 |
| 5.2.2 扩展率 | 第56-57页 |
| 5.3 改进的K‐means++算法实验 | 第57-60页 |
| 5.3.1 数据集的选取 | 第57页 |
| 5.3.2 实验结果和分析 | 第57-60页 |
| 5.4 改进的BP神经网络算法实验 | 第60-63页 |
| 5.4.1 数据集的选取 | 第60-61页 |
| 5.4.2 实验结果及分析 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 未来工作展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 读研期间的研究成果 | 第71-72页 |