| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·气象与云计算 | 第10-11页 |
| ·气候区划 | 第11-13页 |
| ·论文研究的目的与意义 | 第13-15页 |
| ·论文的主要工作 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 气象数据挖掘 | 第17-27页 |
| ·数据挖掘与知识发现 | 第17页 |
| ·数据挖掘过程 | 第17-19页 |
| ·气象数据挖掘的常用方法 | 第19-22页 |
| ·聚类分析 | 第19-20页 |
| ·分类分析 | 第20页 |
| ·时间序列分析 | 第20页 |
| ·关联规则 | 第20-21页 |
| ·孤立点分析 | 第21-22页 |
| ·K-means聚类算法 | 第22-26页 |
| ·算法思想 | 第22页 |
| ·算法框架分析 | 第22-23页 |
| ·算法流程 | 第23-25页 |
| ·算法的问题分析及现有改进 | 第25-26页 |
| ·并行化策略 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 MapReduce相关技术 | 第27-36页 |
| ·MapReduce概述 | 第27页 |
| ·MapReduce编程模型 | 第27-29页 |
| ·MapReduce关键特性 | 第29-30页 |
| ·Combine(本地化Reduce) | 第29页 |
| ·推测执行 | 第29页 |
| ·Shuffle(排序) | 第29-30页 |
| ·容错机制 | 第30页 |
| ·存储本地化 | 第30页 |
| ·运行机制 | 第30-32页 |
| ·Hadoop云计算平台 | 第32-35页 |
| ·Hadoop概述 | 第32-33页 |
| ·HDFS分布式文件系统 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于MapReduce的并行K-means算法研究 | 第36-45页 |
| ·算法基本思想 | 第36-37页 |
| ·算法具体实现 | 第37-41页 |
| ·算法的流程 | 第37-38页 |
| ·Map函数的设计 | 第38-39页 |
| ·Combine函数的设计 | 第39-40页 |
| ·Reduce函数的设计 | 第40-41页 |
| ·算法复杂度分析 | 第41-42页 |
| ·应用实例 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于MapReduce的并行K-means算法在气候区划中的应用 | 第45-58页 |
| ·实验环境 | 第45-48页 |
| ·主机规划 | 第45页 |
| ·Hadoop环境规划 | 第45-46页 |
| ·Hadoop部署过程 | 第46-47页 |
| ·Hadoop参数配置 | 第47-48页 |
| ·试验分析 | 第48-51页 |
| ·试验数据 | 第48-49页 |
| ·聚类结果与性能 | 第49-51页 |
| ·气候区划与讨论 | 第51-57页 |
| ·气候区划 | 第51页 |
| ·温度带划分 | 第51-54页 |
| ·干湿区划分 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·本文总结 | 第58页 |
| ·未来工作 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |