| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 发展现状及挑战 | 第12-15页 |
| 1.2.1 聚类的研究现状 | 第12-14页 |
| 1.2.2 面临的挑战 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 聚类分析算法和分布式计算框架 | 第17-29页 |
| 2.1 聚类分析概述 | 第17-18页 |
| 2.1.1 聚类的定义 | 第17页 |
| 2.1.2 聚类算法的要求 | 第17-18页 |
| 2.2 聚类分析中的距离测度和准则函数 | 第18-20页 |
| 2.2.1 距离测度 | 第18-19页 |
| 2.2.2 准则函数 | 第19-20页 |
| 2.3 主要的聚类算法 | 第20-26页 |
| 2.3.1 基于划分的聚类算法 | 第21-22页 |
| 2.3.2 基于密度的聚类算法 | 第22-24页 |
| 2.3.3 基于层次划分的聚类算法 | 第24-25页 |
| 2.3.4 基于网格的聚类算法 | 第25页 |
| 2.3.5 基于模型的聚类算法 | 第25-26页 |
| 2.4 分布式计算框架 | 第26-28页 |
| 2.4.1 MapReduce概述 | 第26-27页 |
| 2.4.2 MapReduce执行流程 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于KNN的DP算法 | 第29-43页 |
| 3.1 DP聚类算法 | 第29-33页 |
| 3.2 DP算法的局限性 | 第33-35页 |
| 3.3 KNN-DP算法 | 第35-41页 |
| 3.3.1 数据点的局部密度 | 第35-37页 |
| 3.3.2 数据点的斥群值 | 第37-38页 |
| 3.3.3 算法描述 | 第38-40页 |
| 3.3.4 KNN-DP算法分析 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于MapReduce的KNN-DP分布式算法 | 第43-63页 |
| 4.1 简单KNN-DP分布式算法 | 第43-50页 |
| 4.1.1 简单KNN-DP分布式算法的描述 | 第43-44页 |
| 4.1.2 数据预处理 | 第44-45页 |
| 4.1.3 计算局部密度 | 第45-48页 |
| 4.1.4 计算斥群值 | 第48-49页 |
| 4.1.5 选出聚类中心 | 第49-50页 |
| 4.2 基于LSH的KNN-DP分布式算法 | 第50-61页 |
| 4.2.1 LSH原理 | 第50-54页 |
| 4.2.2 基于LSH的分布式的KNN-DP算法的描述 | 第54-55页 |
| 4.2.3 划分数据 | 第55-57页 |
| 4.2.4 计算局部密度 | 第57-59页 |
| 4.2.5 计算斥群值 | 第59-61页 |
| 4.2.6 选出聚类中心 | 第61页 |
| 4.3 本章小结 | 第61-63页 |
| 第5章 实验 | 第63-73页 |
| 5.1 基于KNN的DP算法的实验分析及结果 | 第63-70页 |
| 5.1.1 决策图对比 | 第63-69页 |
| 5.1.2 运行时间对比 | 第69-70页 |
| 5.2 分布式算法的实验结果及分析 | 第70-72页 |
| 5.2.1 实验环境 | 第70-71页 |
| 5.2.2 运行时间比较 | 第71页 |
| 5.2.3 算法性能分析 | 第71-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 论文总结 | 第73页 |
| 6.2 工作展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间参加的科研项目情况 | 第81页 |