| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 论文的研究背景和意义 | 第8-9页 |
| 1.2 课题的国内外研究现状 | 第9-10页 |
| 1.3 论文的主要工作 | 第10-11页 |
| 1.4 论文的组织架构 | 第11-12页 |
| 2 聚类分析与分布式计算框架研究现状 | 第12-19页 |
| 2.1 聚类分析技术概述 | 第12-13页 |
| 2.2 聚类算法的并行化概述 | 第13-14页 |
| 2.3 分布式计算框架之HADOOP研究现状 | 第14-16页 |
| 2.4 分布式计算框架之SPARK研究现状 | 第16-18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 分布式计算环境下K-MEANS算法的并行化研究现状 | 第19-27页 |
| 3.1 K-MEANS算法概述 | 第19-20页 |
| 3.2 K-MEANS算法的计算瓶颈及其改进策略分类 | 第20-21页 |
| 3.3 基于HADOOP的K-MEANS算法并行化设计与实现 | 第21-24页 |
| 3.4 基于SPARK的K-MEANS算法并行化设计与实现 | 第24-26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 分布式环境下的K-MEANS改进算法的并行化研究 | 第27-36页 |
| 4.1 粗聚类算法之CANOPY算法思想详述 | 第27-29页 |
| 4.2 改进算法之CANOPY_K-MEANS(CKM)算法性能分析 | 第29-32页 |
| 4.3 基于SPARK的CANOPY_K-MEANS(CKM)算法的并行化设计 | 第32-33页 |
| 4.4 基于SPARK的CANOPY_K-MEANS(CKM)算法的并行化实现 | 第33-35页 |
| 4.5 本章小结 | 第35-36页 |
| 5 实验平台设计与结果分析 | 第36-47页 |
| 5.1 实验平台的搭建 | 第36-38页 |
| 5.2 实验数据准备 | 第38-39页 |
| 5.3 实验过程及结果分析 | 第39-46页 |
| 5.4 实验总结与分析 | 第46-47页 |
| 6 论文总结与前景展望 | 第47-49页 |
| 6.1 研究项目总结 | 第47页 |
| 6.2 研究前景展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |
