| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 聚类分析算法概述 | 第16-21页 |
| 2.1 聚类的定义 | 第16页 |
| 2.2 经典聚类算法 | 第16-19页 |
| 2.2.1 基于划分的方法 | 第16-17页 |
| 2.2.2 基于层次的方法 | 第17-18页 |
| 2.2.3 基于密度的方法 | 第18页 |
| 2.2.4 基于网格的方法 | 第18-19页 |
| 2.2.5 基于模型的方法 | 第19页 |
| 2.3 聚类分析算法的改进方向 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 CLIQUE算法的改进研究 | 第21-36页 |
| 3.1 CLIQUE算法 | 第21-24页 |
| 3.1.1 CLIQUE算法的特点 | 第21-22页 |
| 3.1.2 CLIQUE算法的主要步骤 | 第22-24页 |
| 3.2 改进算法的提出 | 第24-30页 |
| 3.2.1 边界修正方法 | 第25-26页 |
| 3.2.2 滑动网格方法 | 第26-29页 |
| 3.2.3 改进算法中用到的数据结构 | 第29页 |
| 3.2.4 算法描述 | 第29-30页 |
| 3.2.5 改进算法的参数设置 | 第30页 |
| 3.3 改进算法的性能与局限性分析 | 第30-31页 |
| 3.4 实验与结果分析 | 第31-35页 |
| 3.4.1 实验环境 | 第31页 |
| 3.4.2 实验数据 | 第31-32页 |
| 3.4.3 实验结果分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于Hadoop的改进CLIQUE算法的并行化 | 第36-52页 |
| 4.1 Hadoop分布式计算平台概述 | 第36-40页 |
| 4.1.1 HDFS分布式文件系统 | 第36-38页 |
| 4.1.2 MapReduce并行计算框架 | 第38-39页 |
| 4.1.3 Hadoop性能优势 | 第39-40页 |
| 4.2 改进CLIQUE算法的并行化设计 | 第40-45页 |
| 4.2.1 网格划分的MapReduce并行化实现 | 第40-43页 |
| 4.2.2 聚类部分的MapReduce并行化实现 | 第43-44页 |
| 4.2.3 并行算法的时间复杂度分析 | 第44-45页 |
| 4.3 实验与结果分析 | 第45-51页 |
| 4.3.1 实验环境及数据 | 第45-46页 |
| 4.3.2 MapReduce性能调优 | 第46-47页 |
| 4.3.3 结果分析 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 结论 | 第52-54页 |
| 5.1 本文工作总结 | 第52-53页 |
| 5.2 进一步研究展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 附录A (攻读硕士期间发表论文及软件著作权目录) | 第60-61页 |
| 附录B (攻读硕士期间所主持的科研项目) | 第61页 |
