| 中文摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景及选题意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·MapReduce研究现状 | 第14-16页 |
| ·孤立点检测研究现状 | 第16-17页 |
| ·本文研究内容 | 第17-18页 |
| ·论文的组织结构 | 第18-19页 |
| 第二章 基础知识 | 第19-27页 |
| ·Hadoop平台相关技术 | 第19-23页 |
| ·HDFS分布式文件系统 | 第19-20页 |
| ·MapReduce编程框架 | 第20-23页 |
| ·孤立点检测概述 | 第23-26页 |
| ·孤立点产生原因及分类 | 第23-24页 |
| ·孤立点检测算法 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于Hadoop的全局孤立点检测算法 | 第27-37页 |
| ·混合数据相似性度量 | 第27-29页 |
| ·混合数据度量方法 | 第27页 |
| ·NCM度量方法 | 第27-29页 |
| ·基于邻域计数度量的全局孤立点检测算法 | 第29-30页 |
| ·对象全局孤立度定义 | 第29页 |
| ·算法描述 | 第29-30页 |
| ·基于Hadoop的并行化设计与实现 | 第30-32页 |
| ·并行化思路 | 第30-31页 |
| ·并行算法复杂度分析 | 第31-32页 |
| ·实验结果及分析 | 第32-36页 |
| ·实验数据准备 | 第32页 |
| ·算法有效性验证 | 第32-34页 |
| ·并行算法效率分析 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第四章 基于Hadoop的局部孤立点检测算法 | 第37-51页 |
| ·局部孤立点概念 | 第37-38页 |
| ·基于聚类和密度的局部孤立点检测算法 | 第38-42页 |
| ·对象局部孤立度定义 | 第38-39页 |
| ·KLOF算法 | 第39-41页 |
| ·算法复杂度分析 | 第41-42页 |
| ·基于Hadoop的并行化设计与实现 | 第42-45页 |
| ·并行化思路 | 第42-44页 |
| ·并行算法复杂度分析 | 第44-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·实验数据准备 | 第45-46页 |
| ·算法有效性验证 | 第46-48页 |
| ·并行算法效率分析 | 第48-49页 |
| ·小结 | 第49-51页 |
| 第五章 基于Hadoop的孤立点检测平台的设计与实现 | 第51-59页 |
| ·系统需求分析 | 第51-52页 |
| ·系统设计 | 第52-54页 |
| ·系统架构设计 | 第52-53页 |
| ·系统功能设计 | 第53-54页 |
| ·系统实现 | 第54-55页 |
| ·系统整体架构实现 | 第54页 |
| ·系统运行环境软硬件环境 | 第54-55页 |
| ·Hadoop平台搭建 | 第55页 |
| ·系统测试 | 第55-58页 |
| ·登录页面 | 第55-56页 |
| ·文件管理页面 | 第56-57页 |
| ·结果展示页面 | 第57页 |
| ·任务管理页面 | 第57-58页 |
| ·小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间取得的研究成果 | 第65-67页 |
| 致谢 | 第67-69页 |
| 个人简况及联系方式 | 第69-71页 |
| 承诺书 | 第71-73页 |