| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 研究现状及相关技术 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 聚类分析 | 第15-17页 |
| 2.3 分类数据的聚类分析 | 第17-21页 |
| 2.3.1 分类数据的聚类 | 第17-20页 |
| 2.3.2 关注问题 | 第20-21页 |
| 2.4 并行聚类 | 第21-23页 |
| 2.4.1 并行 k 系列聚类 | 第21-22页 |
| 2.4.2 并行谱聚类 | 第22页 |
| 2.4.3 并行 Jarvis-Patrick 聚类 | 第22页 |
| 2.4.4 并行近邻传播聚类 | 第22-23页 |
| 2.5 MapReduce 概述 | 第23-28页 |
| 2.5.1 并行计算 | 第23-24页 |
| 2.5.2 Hadoop | 第24-25页 |
| 2.5.3 MapReduce 编程 | 第25-28页 |
| 2.5.4 MapReduce 的优势 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 分类数据聚类算法 MRCLOPE | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 CLOPE 算法 | 第29-31页 |
| 3.3 MRCLOPE 算法 | 第31-38页 |
| 3.3.1 CLOPE 算法的不足 | 第31-32页 |
| 3.3.2 输入顺序的调整策略 | 第32-33页 |
| 3.3.3 算法设计 | 第33-34页 |
| 3.3.4 结果复用 | 第34-35页 |
| 3.3.5 算法实现 | 第35-36页 |
| 3.3.6 可并行性分析 | 第36-37页 |
| 3.3.7 时间和空间复杂度 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 MRCLOPE 在 MapReduce 上的并行实现 | 第39-54页 |
| 4.1 引言 | 第39页 |
| 4.2 并行实现 | 第39-48页 |
| 4.2.1 实体类设计 | 第39-42页 |
| 4.2.2 执行流程 | 第42-43页 |
| 4.2.3 迭代控制 | 第43-45页 |
| 4.2.4 收益值的计算 | 第45-46页 |
| 4.2.5 Map 和 Reduce 的实现 | 第46-48页 |
| 4.3 聚类工具 | 第48-51页 |
| 4.3.1 环境配置 | 第48-49页 |
| 4.3.2 工具参数 | 第49-50页 |
| 4.3.3 View 工具 | 第50-51页 |
| 4.4 加速比分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 实验与分析 | 第54-63页 |
| 5.1 引言 | 第54页 |
| 5.2 实验环境 | 第54-55页 |
| 5.3 蘑菇数据集 | 第55-58页 |
| 5.4 植物数据集 | 第58-60页 |
| 5.5 美国人口普查数据集 | 第60-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间的研究成果目录 | 第69-70页 |
| 致谢 | 第70页 |