| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 论文背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 论文的主要工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 相关的聚类算法 | 第18-25页 |
| 2.1 数据挖掘和机器学习的概念 | 第18-19页 |
| 2.2 聚类分析的概念 | 第19-20页 |
| 2.3 聚类分析的评估方式 | 第20-21页 |
| 2.4 数据挖掘中的距离 | 第21-23页 |
| 2.5 一种基于密度峰值的聚类算法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 MapReduce分布式计算框架 | 第25-29页 |
| 3.1 大数据分析简介 | 第25-26页 |
| 3.2 Hadoop | 第26-27页 |
| 3.3 MapReduce | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 一种基于密度的分布式聚类算法 | 第29-42页 |
| 4.1 问题定义 | 第29-31页 |
| 4.2 基于MapReduce的CSDP聚类方法MRCSDP | 第31-35页 |
| 4.2.1 独立计算块密度计算 | 第31-33页 |
| 4.2.2 全局密度及局部聚类中心计算 | 第33-34页 |
| 4.2.3 全局聚类中心求取 | 第34-35页 |
| 4.3 聚类的整体流程描述 | 第35-39页 |
| 4.4 局限性分析 | 第39页 |
| 4.5 文本聚类系统 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 实验结果展示 | 第42-48页 |
| 5.1 实验1 | 第42-43页 |
| 5.2 实验2 | 第43-44页 |
| 5.3 实验3 | 第44-45页 |
| 5.4 实验4 | 第45-46页 |
| 5.5 实验5 | 第46-47页 |
| 5.6 结果分析 | 第47页 |
| 5.7 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-52页 |
| 6.1 总结 | 第48-50页 |
| 6.2 展望 | 第50-51页 |
| 6.3 本章小结 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |