| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 数据挖掘技术研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 数据挖掘技术未来发展方向 | 第11-12页 |
| 1.4 数据挖掘在海洋环境上的应用 | 第12-14页 |
| 1.4.1 数据挖掘在海洋环境上应用现状 | 第12-13页 |
| 1.4.2 数据挖掘在海洋环境应用上存在的问题 | 第13-14页 |
| 1.5 本文研究工作 | 第14-17页 |
| 第二章 数据挖掘技术 | 第17-36页 |
| 2.1 数据挖掘概述 | 第17-23页 |
| 2.1.1 数据库中的知识发现(KDD)与数据挖掘 | 第17-21页 |
| 2.1.2 数据挖掘经典算法 | 第21-23页 |
| 2.2 硬聚类分析 | 第23-25页 |
| 2.3 模糊聚类算法 | 第25-27页 |
| 2.3.1 模糊C均值聚类(FCM)算法 | 第25-26页 |
| 2.3.2 模糊C均值聚类(FCM)算法过程 | 第26-27页 |
| 2.4 FCM算法对海洋环境监测数据的聚类仿真实现 | 第27-34页 |
| 2.4.1 数据预处理 | 第27-28页 |
| 2.4.2 对A海域FCM聚类结果及分析 | 第28-29页 |
| 2.4.3 FCM算法对A、B、C三个海域的聚类仿真结果及分析 | 第29-33页 |
| 2.4.3.1 FCM算法聚类仿真结果 | 第29-31页 |
| 2.4.3.2 k-means算法的聚类仿真结果 | 第31-32页 |
| 2.4.3.3 FCM算法与k-means算法的聚类仿真结果对比分析 | 第32-33页 |
| 2.4.4 FCM算法在海洋环境污染预警上的应用仿真 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 基于Hadoop的FCM算法研究 | 第36-48页 |
| 3.1 Hadoop概述 | 第36-40页 |
| 3.1.1 HDFS分布式文件系统 | 第37-39页 |
| 3.1.2 MapReduce计算机制 | 第39-40页 |
| 3.2 FCM算法的MapReduce化分析 | 第40-42页 |
| 3.3 FCM算法的MapReduce过程设计 | 第42-46页 |
| 3.3.1 Map过程设计 | 第43页 |
| 3.3.2 Combine过程设计 | 第43-44页 |
| 3.3.3 Reduce过程设计 | 第44-45页 |
| 3.3.4 迭代过程设计 | 第45-46页 |
| 3.4 复杂度分析 | 第46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于Hadoop平台的FCM算法实现 | 第48-61页 |
| 4.1 Hadoop平台的配置 | 第48-53页 |
| 4.1.1 Linux系统环境初始化 | 第49-50页 |
| 4.1.2 Hadoop集群平台搭建 | 第50-51页 |
| 4.1.3 Hadoop集群启动与测试 | 第51-53页 |
| 4.2 单机环境下FCM算法对海洋环境数据聚类结果对比 | 第53-56页 |
| 4.3 并行化的FCM算法对海洋环境数据聚类结果对比 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 智能生态养殖大数据平台界面设计 | 第61-68页 |
| 5.1 平台界面概述 | 第61-67页 |
| 5.2 本章小结 | 第67-68页 |
| 附录 | 第68-70页 |
| 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文目录 | 第77-78页 |
