| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 本文主要工作 | 第9页 |
| 1.3 论文的组织结构 | 第9-11页 |
| 第二章 数据挖掘技术与云计算技术概述与分析 | 第11-28页 |
| 2.1 数据挖掘技术概述 | 第11-14页 |
| 2.1.1 数据挖掘的定义 | 第11页 |
| 2.1.2 数据挖掘基本过程 | 第11-13页 |
| 2.1.3 数据挖掘的分类 | 第13-14页 |
| 2.2 聚类数据挖掘 | 第14-16页 |
| 2.2.1 聚类挖掘相关概念 | 第14页 |
| 2.2.2 基本的聚类挖掘算法 | 第14-16页 |
| 2.3 云计算概述 | 第16-18页 |
| 2.3.1 云计算概念 | 第16页 |
| 2.3.2 云计算的特点 | 第16-17页 |
| 2.3.3 云计算的关键技术 | 第17-18页 |
| 2.4 Hadoop 架构分析 | 第18-27页 |
| 2.4.1 Hadoop 分布式文件系统 HDFS | 第19-24页 |
| 2.4.2 Map/Reduce 编程模型 | 第24-25页 |
| 2.4.3 Map/Reduce 并行编程模型实现机制 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 聚类挖掘算法研究 | 第28-37页 |
| 3.1 硬聚类挖掘算法 K-means 描述与分析 | 第28-29页 |
| 3.1.1 K-means 算法描述 | 第28-29页 |
| 3.1.2 K-means 算法适用范围及缺陷 | 第29页 |
| 3.2 K-medoids 的描述与分析 | 第29-31页 |
| 3.2.1 K-medoids 算法描述 | 第29-31页 |
| 3.2.2 K-medoids 算法适用范围及缺陷 | 第31页 |
| 3.3 基于统计中心点密度的 SCDK-medoids 算法的设计 | 第31-33页 |
| 3.3.1 SCDK-medoids 算法的基本思想 | 第31页 |
| 3.3.2 SCDK-medoids 算法流程 | 第31-33页 |
| 3.3.3 SCDK-medoids 算法特点 | 第33页 |
| 3.4 基于相对距离预聚类的 RDPK-medoids 算法的设计 | 第33-35页 |
| 3.4.1 RDPK-medoids 算法的基本思想 | 第33-34页 |
| 3.4.2 RDPK-medoids 算法描述 | 第34-35页 |
| 3.4.3 RDPK-medoids 算法特点 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 聚类挖掘算法基于云计算的并行化研究 | 第37-52页 |
| 4.1 并行化 SCDK-medoids 聚类挖掘算法 | 第37-41页 |
| 4.1.1 并行化 SCDK-medoids 聚类挖掘算法的基本思想 | 第37-38页 |
| 4.1.2 并行化 SCDK-medoids 聚类挖掘算法描述 | 第38-41页 |
| 4.2 并行化 SCDK-medoids 聚类挖掘算法实现 | 第41-48页 |
| 4.2.1 网格数据划分 | 第41-45页 |
| 4.2.2 Map 整合到 Reduce | 第45-48页 |
| 4.3 RDPK-medoids 聚类挖掘算法的并行化 | 第48-51页 |
| 4.3.1 RDPK-medoids 聚类挖掘算法基于 Hadoop 的并行化思路 | 第48页 |
| 4.3.2 RDPK-medoids 聚类挖掘算法并行化方法 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 仿真与性能分析 | 第52-70页 |
| 5.1 Hadoop 平台搭建 | 第52-57页 |
| 5.2 K-medoids 算法并行化 | 第57-58页 |
| 5.2.1 K-medoids 算法并行化的基本思路 | 第57-58页 |
| 5.2.2 K-medoids 算法并行化的实现 | 第58页 |
| 5.3 并行化 SCDK-medoids 算法的性能测试 | 第58-65页 |
| 5.3.1 实验数据集 | 第58-59页 |
| 5.3.2 实验关键代码 | 第59-62页 |
| 5.3.3 实验过程 | 第62-63页 |
| 5.3.4 并行化 SCDK-medoids 与 K-medoids 并行化聚类的性能比较 | 第63-65页 |
| 5.4 RDPK-medoids 算法并行化仿真和性能测试 | 第65-69页 |
| 5.4.1 实验数据集 | 第65-66页 |
| 5.4.2 实验过程及关键代码 | 第66-67页 |
| 5.4.3 RDPK-medoids 并行化与 K-medoids 并行化聚类的性能比较 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 并行化 SCDK-medoids 算法的应用 | 第70-77页 |
| 6.1 社区划分相关概念和问题 | 第70-71页 |
| 6.2 并行化 SCDK-medoids 聚类挖掘在出租车推送服务中的应用 | 第71-76页 |
| 6.2.1 基于并行化 SCDK-medoids 算法的出租车推送服务技术方案 | 第71-72页 |
| 6.2.2 并行化 SCDK-medoids 算法在出租车推送服务中的应用 | 第72-76页 |
| 6.3 本章小结 | 第76-77页 |
| 第七章 总结与展望 | 第77-79页 |
| 7.1 总结 | 第77页 |
| 7.2 展望 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 附录1 攻读硕士学位期间参加的科研项目 | 第81-82页 |
| 致谢 | 第82页 |
