| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 半监督聚类研究现状 | 第9-10页 |
| 1.2.2 主动学习研究现状 | 第10-11页 |
| 1.2.3 并行计算框架研究现状 | 第11页 |
| 1.3 本文的主要研究内容和结构安排 | 第11-14页 |
| 1.3.1 本文的主要研究内容 | 第11-12页 |
| 1.3.2 本文结构安排 | 第12-14页 |
| 第2章 理论基础 | 第14-26页 |
| 2.1 聚类分析 | 第14-17页 |
| 2.1.1 聚类的概念和相关定义 | 第14页 |
| 2.1.2 聚类的相似性度量和准则函数 | 第14-15页 |
| 2.1.3 聚类性能评价准则 | 第15-16页 |
| 2.1.4 Kmeans算法 | 第16-17页 |
| 2.2 半监督聚类分析 | 第17-21页 |
| 2.2.1 监督信息的形式 | 第18页 |
| 2.2.2 Seeded-Kmeans算法 | 第18-19页 |
| 2.2.3 COP-Kmeans算法 | 第19-21页 |
| 2.3 主动学习 | 第21-22页 |
| 2.3.1 主动学习基本原理 | 第21页 |
| 2.3.2 主动学习算法过程 | 第21-22页 |
| 2.4 Spark计算框架 | 第22-25页 |
| 2.4.1 Spark体系架构 | 第22-23页 |
| 2.4.2 RDD | 第23-24页 |
| 2.4.3 Spark运行模式 | 第24页 |
| 2.4.4 Spark的容错机制 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于Seeds集和成对约束的主动半监督聚类算法 | 第26-36页 |
| 3.1 算法总体框架 | 第26-27页 |
| 3.2 算法描述 | 第27-35页 |
| 3.2.1 运用Seeds集扩充成对约束 | 第27-29页 |
| 3.2.2 SC-Kmeans算法 | 第29-32页 |
| 3.2.3 主动学习算法 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于Spark的并行半监督聚类算法 | 第36-40页 |
| 4.1 Spark SC-Kmeans算法描述 | 第36-37页 |
| 4.2 Spark SC-Kmeans算法设计 | 第37-39页 |
| 4.2.1 Map函数的设计 | 第38页 |
| 4.2.2 Reduce函数的设计 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 实验结果与分析 | 第40-54页 |
| 5.1 主动半监督聚类算法实验分析 | 第40-49页 |
| 5.1.1 实验内容 | 第40-41页 |
| 5.1.2 SC-Kmeans算法实验分析 | 第41-45页 |
| 5.1.3 主动学习算法实验分析 | 第45-49页 |
| 5.2 基于Spark的并行半监督聚类算法实验分析 | 第49-53页 |
| 5.2.1 实验内容 | 第49页 |
| 5.2.2 实验平台和环境 | 第49-50页 |
| 5.2.3 Spark SC-Kmeans算法实验分析 | 第50-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简介 | 第60页 |
| 攻读硕士学位期间研究成果 | 第60页 |
