| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-19页 |
| ·引言 | 第10页 |
| ·研究目的与意义 | 第10-11页 |
| ·国内外研究现状与存在问题 | 第11-17页 |
| ·国内研究现状 | 第11-14页 |
| ·国外研究现状 | 第14-16页 |
| ·存在问题分析 | 第16-17页 |
| ·研究内容 | 第17-18页 |
| ·组织结构 | 第18-19页 |
| 第2章 云环境下大数据集成方法研究 | 第19-29页 |
| ·Web Service 及 XML 技术分析 | 第19-20页 |
| ·XML 技术分析 | 第19-20页 |
| ·Web Service 技术分析 | 第20页 |
| ·基于 MapReduce 的 XML 解析技术研究 | 第20-23页 |
| ·XML 小文件解析方法研究 | 第21-22页 |
| ·XML 大文件的解析方法研究 | 第22-23页 |
| ·大数据集成方法研究 | 第23-28页 |
| ·框架设计 | 第24页 |
| ·数据抽取研究 | 第24-25页 |
| ·数据加载研究 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 云环境下的模糊 C 均值(FCM)算法研究 | 第29-56页 |
| ·基于 MapReduce 的 FCM 算法的研究 | 第29-38页 |
| ·模糊 C 均值算法(FCM 算法) | 第29-31页 |
| ·FCM 算法的 MapReduce 化分析 | 第31-32页 |
| ·基于 MapReduce 的 FCM 算法设计 | 第32-37页 |
| ·算法复杂度分析 | 第37-38页 |
| ·基于 Canopy 聚类算法的 FCM 算法研究 | 第38-44页 |
| ·Canopy 算法原理 | 第38-39页 |
| ·Canopy-FCM 算法思想与流程 | 第39-40页 |
| ·基于 MapReduce 的 Canopy-FCM 算法设计 | 第40-43页 |
| ·算法复杂度分析 | 第43-44页 |
| ·基于 Hash 取样的最大最小距离 FCM 算法研究 | 第44-55页 |
| ·HMMFCM 算法思想及流程 | 第44-48页 |
| ·基于 MapReduce 的 HMMFCM 算法的设计 | 第48-54页 |
| ·算法复杂度分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 实验结果及分析 | 第56-66页 |
| ·总体结构 | 第56-57页 |
| ·数据集成 | 第57-61页 |
| ·开发环境 | 第57页 |
| ·Web Service 服务的构建 | 第57-60页 |
| ·基于 Hadoop 的数据集成 | 第60-61页 |
| ·FCM 聚类算法结果测试和分析 | 第61-65页 |
| ·FCM 聚类质量的分析 | 第61-63页 |
| ·FCM 聚类加速比分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66-67页 |
| ·工作展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间研究成果 | 第72页 |
