| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第2章 相关理论及技术 | 第14-21页 |
| 2.1 MapReduce | 第14-15页 |
| 2.1.1 编程思想 | 第14-15页 |
| 2.1.2 执行流程 | 第15页 |
| 2.2 Hadoop | 第15-16页 |
| 2.3 聚类分析 | 第16-20页 |
| 2.3.1 聚类概述 | 第16-17页 |
| 2.3.2 相似性度量方法 | 第17-18页 |
| 2.3.3 聚类算法的分类 | 第18-19页 |
| 2.3.4 基于划分的K-means聚类算法 | 第19-20页 |
| 2.3.5 基于密度的DBSCAN聚类算法 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于MapReduce的分布式数据约减算法设计 | 第21-31页 |
| 3.1 概念定义 | 第21-22页 |
| 3.2 算法思想 | 第22-27页 |
| 3.2.1 抽样算法设计 | 第22-23页 |
| 3.2.2 代表性验证策略 | 第23-24页 |
| 3.2.3 算法流程设计 | 第24-26页 |
| 3.2.4 时间复杂度分析 | 第26-27页 |
| 3.3 实验结果及分析 | 第27-30页 |
| 3.3.1 实验数据集 | 第27页 |
| 3.3.2 聚类评价准则 | 第27-28页 |
| 3.3.3 参数对算法的影响 | 第28-29页 |
| 3.3.4 性能分析 | 第29-30页 |
| 3.3.5 可扩展性对比 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于扩展区域查询的密度聚类算法设计 | 第31-40页 |
| 4.1 概念定义 | 第31-32页 |
| 4.2 算法思想 | 第32-36页 |
| 4.2.1 基于网格的扩展区域查询方法 | 第33页 |
| 4.2.2 异常点判定函数 | 第33-34页 |
| 4.2.3 算法流程设计 | 第34-35页 |
| 4.2.4 时间复杂度分析 | 第35-36页 |
| 4.3 实验结果及分析 | 第36-39页 |
| 4.3.1 实验数据集 | 第36页 |
| 4.3.2 性能分析 | 第36-37页 |
| 4.3.3 聚类质量评价 | 第37-39页 |
| 4.3.4 边界点检测 | 第39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 基于簇间距离的局部类簇合并算法设计 | 第40-46页 |
| 5.1 算法思想 | 第40-41页 |
| 5.2 算法流程设计 | 第41-43页 |
| 5.3 实验结果及分析 | 第43-45页 |
| 5.3.1 实验数据集 | 第43页 |
| 5.3.2 类簇合并质量评价 | 第43-44页 |
| 5.3.3 性能分析 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表的学术论文 | 第52-55页 |
| 致谢 | 第55页 |