| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·课题的研究背景与意义 | 第9-10页 |
| ·国内外的研究现状 | 第10-11页 |
| ·论文的主要工作 | 第11页 |
| ·论文内容的组织 | 第11-13页 |
| 第二章 并行计算与聚类相关技术 | 第13-29页 |
| ·并行计算概述 | 第13-16页 |
| ·并行计算策略 | 第13-14页 |
| ·并行计算体系结构 | 第14页 |
| ·并行计算进程模型 | 第14-15页 |
| ·常见的并行算法 | 第15页 |
| ·并行聚类 | 第15-16页 |
| ·聚类概述 | 第16-22页 |
| ·聚类的定义 | 第16-18页 |
| ·聚类所需的数据结构 | 第18-19页 |
| ·聚类的相似性计算方法 | 第19-21页 |
| ·聚类的步骤 | 第21-22页 |
| ·聚类方法分类 | 第22-27页 |
| ·分层聚类法（hierarchical clustering） | 第23-24页 |
| ·划分聚类法（Partitioning Methods） | 第24-25页 |
| ·基于密度的方法（Density-based Methods） | 第25-26页 |
| ·基于网格的方法（Grid-based Methods） | 第26页 |
| ·基于模型的方法（Model-based Methods） | 第26-27页 |
| ·基于约束的方法 | 第27页 |
| ·大规模数据聚类技术 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 云计算与MapReduce编程模型 | 第29-42页 |
| ·云计算概述 | 第29-32页 |
| ·云计算的基本概念 | 第29页 |
| ·云计算的特点 | 第29-30页 |
| ·云计算与相关计算形式的比较 | 第30-32页 |
| ·云计算在中国的发展 | 第32页 |
| ·云计算的关键技术 | 第32-34页 |
| ·简单的编程模式 | 第33页 |
| ·数据存储和管理 | 第33-34页 |
| ·虚拟化技术 | 第34页 |
| ·MapReduce技术分析 | 第34-37页 |
| ·编程模型 | 第34-35页 |
| ·实现机制 | 第35-37页 |
| ·容错机制 | 第37页 |
| ·MapReduce在Hadoop中的实现 | 第37-41页 |
| ·Hadoop开源架构 | 第37-38页 |
| ·HDFS | 第38-39页 |
| ·Hadoop中MapReduce流程及任务调度 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于MapReduce的聚类算法研究 | 第42-61页 |
| ·DBSCAN聚类算法介绍 | 第42-46页 |
| ·DBSCAN算法基本概念 | 第42-44页 |
| ·DBSCAN算法执行流程 | 第44-46页 |
| ·改进算法HDBSCAN的设计 | 第46-51页 |
| ·问题描述 | 第46-47页 |
| ·HDBSCAN算法的有关概念 | 第47-48页 |
| ·HDBSCAN算法思想 | 第48-49页 |
| ·HDBSCAN算法描述 | 第49-50页 |
| ·HDBSCAN算法性能分析 | 第50-51页 |
| ·基于MapReduce的HDBSCAN算法并行化 | 第51-52页 |
| ·HDBSCAN算法并行化策略 | 第51-52页 |
| ·HDBSCAN算法的MapReduce实现思路 | 第52页 |
| ·实验与结果分析 | 第52-60页 |
| ·Hadoop环境配置 | 第52-55页 |
| ·eclipse下的hadoop实现 | 第55-56页 |
| ·在Hadoop平台上运行HDBSCAN算法 | 第56-59页 |
| ·实验结果分析 | 第59-60页 |
| ·本章小节 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 缩略词 | 第63-64页 |
| 图表清单 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间的学术论文和参与的科研项目 | 第70页 |
