| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第14-19页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文研究内容 | 第17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 2 相关理论与知识 | 第19-31页 |
| 2.1 聚类算法概述 | 第19-20页 |
| 2.2 DBSCAN算法 | 第20-27页 |
| 2.3 Spark框架介绍 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 PDBSCAN非均匀密度参数自适应算法 | 第31-44页 |
| 3.1 算法相关定义 | 第31-33页 |
| 3.2 算法相关参数确定方法 | 第33-36页 |
| 3.3 算法思想 | 第36-37页 |
| 3.4 算法框架 | 第37-39页 |
| 3.5 实验结果和分析 | 第39-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 PDBSCAN算法并行化的实现及其在用户行为分析上的应用 | 第44-53页 |
| 4.1 并行化思想 | 第44-45页 |
| 4.2 PDBSCAN算法的并行化 | 第45-47页 |
| 4.3 实验结果和分析 | 第47-49页 |
| 4.4 并行PDBSCAN算法在互联网用户行为上的应用 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间主要成果 | 第59页 |