基于Hadoop平台的并行数据挖掘算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第11-15页 |
| 1.1 论文的研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 论文研究的工作 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 2 开源云平台Hadoop及数据挖掘概述 | 第15-31页 |
| 2.1 Hadoop概述 | 第15-22页 |
| 2.1.1 编程模型MapReduce | 第16-19页 |
| 2.1.2 分布式文件系统HDFS | 第19-22页 |
| 2.2 数据挖掘简介 | 第22-28页 |
| 2.2.1 数据挖掘概念 | 第22-23页 |
| 2.2.2 数据挖掘过程 | 第23-26页 |
| 2.2.3 分类算法的介绍 | 第26-28页 |
| 2.2.4 聚类算法的介绍 | 第28页 |
| 2.3 透析数据挖掘的未来 | 第28-29页 |
| 2.4 小结 | 第29-31页 |
| 3 高可靠Hadoop数据挖掘平台的构建 | 第31-45页 |
| 3.1 Hadoop平台的搭建 | 第31-36页 |
| 3.1.1 软硬件描述 | 第31页 |
| 3.1.2 搭建基础环境 | 第31-36页 |
| 3.2 安全策略Kerberos配置 | 第36-40页 |
| 3.2.1 Kerberos概述 | 第36-38页 |
| 3.2.2 配置Kerberos | 第38-40页 |
| 3.3 高可用DRBD配置 | 第40-42页 |
| 3.3.1 DRBD概述 | 第40-41页 |
| 3.3.2 DRBD的配置 | 第41-42页 |
| 3.4 实验的框架设计 | 第42-43页 |
| 3.5 小结 | 第43-45页 |
| 4 基于Hadoop平台的聚类算法的设计与实现 | 第45-55页 |
| 4.1 基于平台聚类算法的设计思想 | 第45页 |
| 4.2 K-Means算法概述 | 第45-46页 |
| 4.3 改进算法的设计与实现 | 第46-50页 |
| 4.4 实验结果 | 第50-53页 |
| 4.5 小结 | 第53-55页 |
| 5 基于Hadoop平台的分类算法的设计及实现 | 第55-63页 |
| 5.1 基于平台分类算法的设计思想 | 第55页 |
| 5.2 朴素贝叶斯分类算法概述 | 第55-57页 |
| 5.2.1 朴素贝叶斯分类原理 | 第55-57页 |
| 5.3 改进的分类算法 | 第57-59页 |
| 5.4 实验结果 | 第59-61页 |
| 5.5 小结 | 第61-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63页 |
| 6.2 展望未来 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介和主要科研成果 | 第71页 |
