| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-10页 |
| ·数据挖掘概述 | 第8-9页 |
| ·数据挖掘的方法 | 第9页 |
| ·并行计算概念 | 第9-10页 |
| ·并行算法概念 | 第10页 |
| ·研究现状 | 第10-12页 |
| ·本文主要工作及创新点 | 第12-13页 |
| ·论文的组织 | 第13-14页 |
| 第二章 聚类分析 | 第14-21页 |
| ·聚类分析概念 | 第14-15页 |
| ·什么是聚类分析 | 第14页 |
| ·聚类的主要过程 | 第14-15页 |
| ·聚类分析的关键要素 | 第15-17页 |
| ·相似性测度 | 第15-16页 |
| ·聚类准则 | 第16-17页 |
| ·聚类方法 | 第17-21页 |
| ·聚类方法的分类 | 第17-18页 |
| ·K-Means 算法 | 第18-21页 |
| 第三章 并行计算及相关技术 | 第21-32页 |
| ·并行计算的主要内容 | 第21页 |
| ·并行编程环境 | 第21-23页 |
| ·相关概念 | 第21-23页 |
| ·并行编程环境简介 | 第23页 |
| ·消息传递编程接口——MPI(Message Passing Interface) | 第23-28页 |
| ·MPI 基本概念 | 第23-24页 |
| ·MPICH 的安装和与编译环境的整合 | 第24-27页 |
| ·MPI 编程简介 | 第27-28页 |
| ·MPI 编程模式 | 第28页 |
| ·并行算法性能度量 | 第28-29页 |
| ·并行环境下的通信策略 | 第29-32页 |
| ·通信策略概述 | 第29-30页 |
| ·通信策略的选择 | 第30-32页 |
| 第四章 并行 K-Means 聚类方法研究 | 第32-49页 |
| ·问题的提出 | 第32-34页 |
| ·K-Means 算法并行思路 | 第34-35页 |
| ·并行 K-Means 算法 | 第35-42页 |
| ·算法 | 第35-37页 |
| ·并行 K-Means 算法示例 | 第37-42页 |
| ·并行算法分析 | 第42-44页 |
| ·实验分析 | 第44-49页 |
| ·实验环境 | 第44页 |
| ·实验结果及分析 | 第44-49页 |
| 第五章 并行 K-Means 聚类方法在简历数据中的应用 | 第49-57页 |
| ·相关概念介绍 | 第49-50页 |
| ·简历数据特征提取 | 第50-52页 |
| ·简历数据的特点 | 第50-51页 |
| ·特征提取方法 | 第51-52页 |
| ·传统 K-Means 算法在简历数据中的应用 | 第52-54页 |
| ·单机处理过程 | 第52-53页 |
| ·实验分析 | 第53-54页 |
| ·并行 K-Means 算法在简历数据中的应用 | 第54-57页 |
| ·并行处理过程 | 第54-55页 |
| ·实验结果及分析 | 第55-57页 |
| 第六章 结束语 | 第57-59页 |
| ·总结 | 第57页 |
| ·未来工作方向 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 研究生期间发表的论文 | 第62-63页 |
| 致谢 | 第63页 |