基于Hadoop的数据挖掘算法的分析与研究
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文研究内容 | 第12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 Hadoop技术框架研究 | 第14-28页 |
| ·Hadoop概况 | 第14-15页 |
| ·Hadoop历史 | 第14页 |
| ·Hadoop优势 | 第14页 |
| ·Hadoop子项目 | 第14-15页 |
| ·MapReduce编程模型 | 第15-20页 |
| ·MapReduce逻辑模型 | 第15-16页 |
| ·MapReduce任务流程 | 第16-19页 |
| ·MapReduce容错机制 | 第19-20页 |
| ·HDFS机制 | 第20-24页 |
| ·HDFS特点及局限性 | 第20-21页 |
| ·HDFS相关概念 | 第21-22页 |
| ·HDFS体系结构 | 第22-24页 |
| ·Mahout算法库 | 第24-26页 |
| ·Mahout概况 | 第24-25页 |
| ·Mahout算法 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 K-Means算法并行策略研究 | 第28-52页 |
| ·什么是聚类分析 | 第28-29页 |
| ·K-Means算法描述 | 第29-33页 |
| ·K-Means算法并行策略 | 第33-50页 |
| ·Mahout数据模型 | 第33-40页 |
| ·向量表示 | 第33页 |
| ·相似度计算 | 第33-35页 |
| ·将数据转化为向量 | 第35-37页 |
| ·将文本转化为向量 | 第37-40页 |
| ·K-Means算法并行分析 | 第40-50页 |
| ·并行策略 | 第40-41页 |
| ·Mahout K-Means结构 | 第41-42页 |
| ·K-Means聚类MapReduce实现 | 第42-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 实验与评估 | 第52-68页 |
| ·实验平台搭建 | 第52-55页 |
| ·硬件环境 | 第52页 |
| ·软件环境 | 第52页 |
| ·搭建Hadoop集群 | 第52-55页 |
| ·安装JDK | 第52-53页 |
| ·配置SSH无密码登录 | 第53页 |
| ·安装Hadoop | 第53-55页 |
| ·安装Mahout | 第55页 |
| ·实验过程 | 第55-65页 |
| ·实验一 | 第55-64页 |
| ·数据预处理 | 第56-59页 |
| ·K-Means过程 | 第59-60页 |
| ·实验结果 | 第60-63页 |
| ·实验评估 | 第63-64页 |
| ·实验二 | 第64-65页 |
| ·环境配置 | 第64页 |
| ·数据准备 | 第64页 |
| ·K-Means过程 | 第64-65页 |
| ·实验结果 | 第65页 |
| ·本章小结 | 第65-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·论文总结 | 第68页 |
| ·未来展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录A：攻读学位期间发表论文目录 | 第76页 |
