| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的工作与贡献 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第二章 聚类分析 | 第15-23页 |
| ·聚类分析概述 | 第15-17页 |
| ·聚类分析定义 | 第15页 |
| ·数据对象的描述 | 第15-16页 |
| ·相似性度量 | 第16-17页 |
| ·聚类准则 | 第17页 |
| ·聚类方法分类 | 第17-20页 |
| ·K-MEANS聚类 | 第20-23页 |
| ·K-Means算法 | 第20页 |
| ·K-Means算法框架 | 第20-21页 |
| ·K-Means算法的问题及计算瓶颈 | 第21-23页 |
| 第三章 并行计算概述 | 第23-39页 |
| ·并行计算与集群环境 | 第23-25页 |
| ·并行计算 | 第23-24页 |
| ·并行编程模型 | 第24-25页 |
| ·并行计算与分布式计算 | 第25页 |
| ·集群资源管理平台MESOS | 第25-28页 |
| ·Mesos的架构 | 第26-27页 |
| ·Mesos的资源分配 | 第27-28页 |
| ·Mesos的框架支持 | 第28页 |
| ·消息传递库MPI | 第28-31页 |
| ·MPI的并行应用模式 | 第28-29页 |
| ·MPI的编程模型 | 第29-31页 |
| ·分布式计算框架HADOOP | 第31-34页 |
| ·MapReduce思想 | 第31-32页 |
| ·Hadoop的架构 | 第32-34页 |
| ·Hadoop的MapReduce编程接口 | 第34页 |
| ·集群计算平台SPARK | 第34-39页 |
| ·Spark的体系架构 | 第35页 |
| ·分布式数据集RDD | 第35-36页 |
| ·Spark的编程模型 | 第36-39页 |
| 第四章 并行K-MEANS聚类算法的设计与实现 | 第39-54页 |
| ·并行K-MEANS算法设计思想 | 第39-40页 |
| ·并行K－MEANS的实现问题 | 第40-41页 |
| ·基于MPI的K－MEANS聚类 | 第41-45页 |
| ·基于MPI的并行K-Means聚类设计 | 第41-43页 |
| ·基于MPI的并行K-Means算法实现 | 第43-45页 |
| ·HADOOP环境下的K-MEANS聚类 | 第45-50页 |
| ·基于MapReduce的并行K－Means聚类设计 | 第45-46页 |
| ·Hadoop环境下的并行K-Means算法实现 | 第46-50页 |
| ·SPARK环境下的并行的K-MEANS聚类 | 第50-51页 |
| ·基于Spark的并行K-Means聚类设计 | 第50页 |
| ·Spark环境下的并行K-Means算法实现 | 第50-51页 |
| ·三种并行实现方法的比较分析 | 第51-54页 |
| 第五章 实验设计与分析 | 第54-66页 |
| ·实验平台 | 第54-58页 |
| ·硬件描述 | 第54页 |
| ·软件描述 | 第54-55页 |
| ·资源管理平台Mesos的部署 | 第55-56页 |
| ·Hadoop与Mesos的集成 | 第56-57页 |
| ·Spark与Mesos的集成 | 第57-58页 |
| ·MPI与Mesos的集成 | 第58页 |
| ·实验数据集 | 第58页 |
| ·实验过程及分析 | 第58-66页 |
| ·单机K-Means聚类的算法与并行的聚类算法的性能比较 | 第58-62页 |
| ·三种并行K－Means算法实现比较 | 第62-64页 |
| ·实验总结及分析 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·本文总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 附录 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间研究成果及参与项目 | 第72-73页 |
| 致谢 | 第73页 |