| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 半监督聚类算法研究现状 | 第13-14页 |
| 1.2.2 主动学习算法研究现状 | 第14-15页 |
| 1.2.3 云计算研究现状 | 第15-16页 |
| 1.3 主要研究成果 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 理论基础 | 第18-24页 |
| 2.1 聚类分析 | 第18-21页 |
| 2.1.1 聚类分析概述 | 第18-19页 |
| 2.1.2 聚类方法的分类 | 第19-21页 |
| 2.1.3 聚类分析的主要应用 | 第21页 |
| 2.2 半监督聚类分析 | 第21-23页 |
| 2.2.1 半监督聚类分析概述 | 第21-22页 |
| 2.2.2 监督信息的形式 | 第22-23页 |
| 2.3 小结 | 第23-24页 |
| 第3章 改进的主动学习算法 | 第24-40页 |
| 3.1 主动学习方法 | 第24-30页 |
| 3.1.1 主动学习方法概述 | 第24页 |
| 3.1.2 FFQS算法 | 第24-26页 |
| 3.1.3 Min-Max算法 | 第26-27页 |
| 3.1.4 改进的主动学习算法 | 第27-30页 |
| 3.2 仿真实验与分析 | 第30-38页 |
| 3.2.1 数据集 | 第30-31页 |
| 3.2.2 衡量指标 | 第31页 |
| 3.2.3 实验设计 | 第31-32页 |
| 3.2.4 实验结果及分析 | 第32-38页 |
| 3.3 算法分析讨论 | 第38-39页 |
| 3.3.1 时间复杂度分析 | 第38页 |
| 3.3.2 优化改进方向探讨 | 第38-39页 |
| 3.4 小结 | 第39-40页 |
| 第4章 基于MapReduce的主动学习算法并行化研究 | 第40-60页 |
| 4.1 分布式计算技术 | 第40-43页 |
| 4.1.1 Hadoop平台简介 | 第40-41页 |
| 4.1.2 MapReduce编程模型 | 第41-42页 |
| 4.1.3 HDFS分布式文件系统 | 第42-43页 |
| 4.2 主动学习算法并行化研究 | 第43-52页 |
| 4.2.1 Select阶段并行化 | 第44-46页 |
| 4.2.2 Explore阶段并行化 | 第46-49页 |
| 4.2.3 Consolidate阶段并行化 | 第49-52页 |
| 4.3 MPCK-means算法并行化研究 | 第52-57页 |
| 4.3.1 MPCK-means算法介绍 | 第52-54页 |
| 4.3.2 MPCK-means算法并行化设计 | 第54-57页 |
| 4.4 仿真实验与分析 | 第57-59页 |
| 4.4.1 数据集 | 第57页 |
| 4.4.2 评价方法 | 第57页 |
| 4.4.3 实验设计 | 第57-58页 |
| 4.4.4 实验结果及分析 | 第58-59页 |
| 4.5 小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录A 在读期间撰写的论文 | 第68-69页 |
| 附录B 在读期间参与的项目 | 第69页 |