| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景和意义 | 第12-15页 |
| ·研究现状 | 第15-17页 |
| ·MapReduce研究现状 | 第15-16页 |
| ·并行聚类研究现状 | 第16-17页 |
| ·主要研究目标 | 第17-18页 |
| ·主要研究内容 | 第18-19页 |
| ·MST算法并行化分析 | 第18页 |
| ·MapReduce模型下实现MST聚类算法 | 第18-19页 |
| ·算法优化处理 | 第19页 |
| ·本文的组织结构 | 第19页 |
| ·小结 | 第19-20页 |
| 第2章 MapReduce相关技术介绍 | 第20-29页 |
| ·引言 | 第20页 |
| ·MapReduce基本介绍 | 第20-23页 |
| ·MapReduce编程模型 | 第21页 |
| ·MapReduce模型分析 | 第21-22页 |
| ·MapReduce简单的编程实例 | 第22-23页 |
| ·几种MapReduce模式的分析 | 第23-26页 |
| ·Hadoop基本介绍 | 第24-26页 |
| ·HPMR简介 | 第26页 |
| ·Mars简介 | 第26页 |
| ·Phoenix简介 | 第26页 |
| ·MapReduce与其它系统的比较 | 第26-28页 |
| ·关系型数据库管理系统 | 第26-27页 |
| ·网格计算 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第3章 聚类与MST并行聚类算法分析 | 第29-36页 |
| ·引言 | 第29页 |
| ·聚类概述 | 第29-31页 |
| ·聚类分析 | 第29-30页 |
| ·主要的聚类方法 | 第30-31页 |
| ·MST相关介绍 | 第31-33页 |
| ·MST简介 | 第31-32页 |
| ·MST生成过程的并行化分析 | 第32-33页 |
| ·基于MST的聚类方法 | 第33-35页 |
| ·特征提取 | 第33-35页 |
| ·相似度度量选择 | 第35页 |
| ·基于最小生成树的聚类划分 | 第35页 |
| ·小结 | 第35-36页 |
| 第4章 基于MapReduce的图聚类算法的设计与优化 | 第36-49页 |
| ·引言 | 第36页 |
| ·基于MapReduce的MST聚类算法设计 | 第36-45页 |
| ·文本特征向量的提取 | 第36-38页 |
| ·图的生成 | 第38-42页 |
| ·MST的生成 | 第42-45页 |
| ·聚类的实现 | 第45页 |
| ·算法优化 | 第45-48页 |
| ·特征权重 | 第46-47页 |
| ·相似度度量 | 第47页 |
| ·MST聚类过程 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第5章 实验验证与算法性能分析 | 第49-58页 |
| ·评价指标 | 第49-50页 |
| ·实验平台与环境 | 第50-51页 |
| ·实验平台 | 第50页 |
| ·Hadoop环境规划 | 第50-51页 |
| ·实验参数与数据的选择 | 第51页 |
| ·实验结果及比较分析 | 第51-57页 |
| ·小结 | 第57-58页 |
| 结论 | 第58-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间所发表的学术论文及参与的科研项目 | 第66-67页 |
| 附录B 基于MapReduce的K-means聚类算法的具体实现 | 第67-69页 |
