基于hadoop平台下的k均值高效算法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题背景及意义 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·论文的内容 | 第10-12页 |
| 第二章 Hadoop技术介绍 | 第12-23页 |
| ·Hadoop 子项目 | 第12-13页 |
| ·Hadoop 文件系统 HDFS | 第13页 |
| ·HDFS 中的读写数据流 | 第13-15页 |
| ·文件的读取 | 第13-14页 |
| ·文件的写入 | 第14-15页 |
| ·HDFS 的设计目标 | 第15页 |
| ·HDFS 优点和缺点 | 第15-16页 |
| ·MapReduce 编程模型 | 第16-20页 |
| ·Map 任务 | 第16-17页 |
| ·Reduce 任务 | 第17页 |
| ·MapReduce 的执行步骤 | 第17-18页 |
| ·MapReduce 的数据流和控制流 | 第18-19页 |
| ·MapReduce 任务的优化 | 第19-20页 |
| ·Mahout 算法库 | 第20-22页 |
| ·Mahout 概述 | 第20页 |
| ·Mahout 算法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 聚类技术 | 第23-34页 |
| ·聚类的定义 | 第23页 |
| ·聚类算法的分类 | 第23-24页 |
| ·聚类分析中的数据结构 | 第24-25页 |
| ·聚类分析中相似度度量方法 | 第25-27页 |
| ·数据间的相异度度量方法 | 第25-26页 |
| ·相似度度量方法 | 第26-27页 |
| ·聚类分析的流程 | 第27-31页 |
| ·k-means 算法思想 | 第27-29页 |
| ·k-means 算法性能分析 | 第29-30页 |
| ·k-means 算法的改进 | 第30-31页 |
| ·k-means 算法的并行化 | 第31页 |
| ·canopy 算法 | 第31-33页 |
| canopy 算法思想 | 第31-33页 |
| ·canopy 算法并行化 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 改进的 Canopy-Kmeans 算法 | 第34-44页 |
| ·聚类中的数据抽样 | 第34-35页 |
| ·选择两个最佳初始聚类中心 | 第35-37页 |
| ·Graham's Scan 法求解凸包 | 第35-37页 |
| ·旋转卡壳法求对踵点 | 第37页 |
| ·聚类中心临近点的获取 | 第37-38页 |
| ·剩余聚类中心的求解 | 第38-40页 |
| ·聚类个数 k 的确定 | 第40-41页 |
| ·改进算法的整体描述 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 改进算法和 canopy 算法的并行实现 | 第44-56页 |
| ·数据的预处理 | 第44-45页 |
| ·数据抽样的并行实现 | 第45-47页 |
| ·最大最小距离算法的并行实现 | 第47-48页 |
| ·k-means 算法的并行实现 | 第48-51页 |
| ·canopy 算法的 MapReduce 实现 | 第51-55页 |
| ·改进算法复杂度分析 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第六章 实验与分析 | 第56-64页 |
| ·实验平台的搭建 | 第56-59页 |
| ·软硬件环境 | 第56-57页 |
| ·安装 JDK | 第57页 |
| ·SSH 没有密码配置过程 | 第57-58页 |
| ·配置 hadoop | 第58页 |
| ·Mahout 的安装和配置 | 第58页 |
| ·注意事项 | 第58-59页 |
| ·实验数据准备阶段 | 第59页 |
| ·测试结果与分析 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第七章 全文总结与展望 | 第64-66页 |
| ·论文的总结 | 第64页 |
| ·未来展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-70页 |
