| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 选题背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 本文主要工作 | 第9-10页 |
| 1.4 本文章节安排 | 第10-11页 |
| 第二章 相关理论知识及技术概述 | 第11-26页 |
| 2.1 Hadoop | 第11-17页 |
| 2.1.1 Apache开源Hadoop生态系统组件 | 第11-13页 |
| 2.1.2 Hadoop分布式文件系统 | 第13-15页 |
| 2.1.3 MapReduce | 第15-17页 |
| 2.2 聚类分析 | 第17-20页 |
| 2.2.1 什么是聚类分析 | 第17-18页 |
| 2.2.2 不同的聚类类型 | 第18页 |
| 2.2.3 聚类中的度量方法 | 第18-20页 |
| 2.3 划分聚类算法 | 第20-25页 |
| 2.3.1 符号定义 | 第20页 |
| 2.3.2 数据划分 | 第20-21页 |
| 2.3.3 K-means算法 | 第21-23页 |
| 2.3.4 K-means++算法 | 第23页 |
| 2.3.5 PAM算法 | 第23-25页 |
| 2.3.6 CLARA算法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于MapReduce的MRACO-PAM聚类 | 第26-37页 |
| 3.1 蚁群算法 | 第26-27页 |
| 3.2 蚁群优化的元启发式方法 | 第27页 |
| 3.3 融合蚁群优化的ACO-PAM聚类算法 | 第27-29页 |
| 3.4 融合ACO的PAM聚类在MapReduce上的实现 | 第29-32页 |
| 3.5 实验与结果分析 | 第32-36页 |
| 3.5.1 实验环境 | 第32页 |
| 3.5.2 改进后的算法性能测试 | 第32-33页 |
| 3.5.3 聚类准确度实验 | 第33-35页 |
| 3.5.4 算法可扩展性实验 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 MapReduce上融合PAM算法与仔细播种的多样本归并聚类 | 第37-48页 |
| 4.1 性能分析 | 第37页 |
| 4.2 抽样 | 第37-40页 |
| 4.3 仔细播种策略 | 第40页 |
| 4.4 MapReduce下融合PAM算法与仔细播种的多样本归并聚类 | 第40-44页 |
| 4.4.1 概率抽样阶段 | 第41-42页 |
| 4.4.2 样本播种阶段 | 第42页 |
| 4.4.3 归并聚类阶段 | 第42-44页 |
| 4.5 实验与结果分析 | 第44-47页 |
| 4.5.1 实验环境 | 第44页 |
| 4.5.2 实验的数据集与对比算法 | 第44-45页 |
| 4.5.3 算法性能评估 | 第45-46页 |
| 4.5.4 聚类质量评估 | 第46-47页 |
| 4.6 本章总结 | 第47-48页 |
| 第五章 主要结论与展望 | 第48-50页 |
| 主要结论 | 第48-49页 |
| 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第54页 |
