| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状和评述 | 第10-14页 |
| 1.2.1 模糊聚类算法的相关研究 | 第11-13页 |
| 1.2.2 云计算相关背景 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 模糊聚类算法与Hadoop平台相关概念 | 第16-25页 |
| 2.1 模糊聚类算法简介 | 第16-18页 |
| 2.1.1 模糊C均值算法 | 第16-17页 |
| 2.1.2 模糊聚类算法的优化策略 | 第17-18页 |
| 2.2 云计算基本概念 | 第18-21页 |
| 2.2.1 云计算的分类及特点 | 第18-20页 |
| 2.2.2 Hadoop云平台简介 | 第20-21页 |
| 2.3 基于云平台的数据挖掘算法分析 | 第21-24页 |
| 2.3.1 基于云平台的数据挖掘算法研究意义 | 第21-22页 |
| 2.3.2 MapReduce编程模型 | 第22-23页 |
| 2.3.3 HDFS分布式文件系统 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 模糊聚类算法的改进研究 | 第25-38页 |
| 3.1 智能计算 | 第25-27页 |
| 3.1.1 智能计算简介 | 第25-26页 |
| 3.1.2 人工智能与云计算的关系 | 第26页 |
| 3.1.3 智能计算的应用 | 第26-27页 |
| 3.2 基于GA的模糊C均值算法介绍 | 第27-31页 |
| 3.2.1 遗传算法 | 第27-28页 |
| 3.2.2 基于GA的模糊C均值算法 | 第28-31页 |
| 3.3 基于CSA的模糊C均值算法改进 | 第31-35页 |
| 3.3.1 克隆选择算法CSA | 第31-33页 |
| 3.3.2 基于CSA的模糊C均值算法改进 | 第33-35页 |
| 3.4 实验验证 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于云计算平台的模糊聚类算法设计与实现 | 第38-56页 |
| 4.1 传统算法的并行化策略 | 第38-39页 |
| 4.2 基于MapReduce框架的CSA-FCM算法实现 | 第39-45页 |
| 4.2.1 算法并行化的基本思想 | 第40-41页 |
| 4.2.2 Map函数的设计 | 第41-42页 |
| 4.2.3 Combine函数的设计 | 第42-43页 |
| 4.2.4 Reduce函数的设计 | 第43-45页 |
| 4.2.5 算法复杂度分析 | 第45页 |
| 4.3 云计算Hadoop平台的搭建 | 第45-49页 |
| 4.3.1 软硬件环境设置 | 第45-46页 |
| 4.3.2 Hadoop平台配置 | 第46-49页 |
| 4.4 并行算法加速效果的实验分析 | 第49-52页 |
| 4.4.1 测试数据集 | 第49页 |
| 4.4.2 MapReduce任务的实验过程 | 第49-51页 |
| 4.4.3 实验结果 | 第51-52页 |
| 4.5 并行算法的聚类效果评价 | 第52-55页 |
| 4.5.1 中介真值程度度量（MMTD）介绍 | 第53-54页 |
| 4.5.2 基于MMTD的聚类结果评价准则 | 第54-55页 |
| 4.5.3 并行算法的评价结果 | 第55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间申请的专利 | 第61-62页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |