Hadoop平台下的分布式聚类算法研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和目的 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 聚类算法的研究现状 | 第11-12页 |
| 1.2.2 分布式聚类算法的研究现状 | 第12-13页 |
| 1.3 论文研究内容与方法 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 相关技术 | 第15-25页 |
| 2.1 网络数据的生成技术 | 第15-16页 |
| 2.2 聚类算法 | 第16-21页 |
| 2.2.1 聚类算法分类 | 第16-17页 |
| 2.2.2 网络结构化聚类算法 | 第17-19页 |
| 2.2.3 k-means算法 | 第19-21页 |
| 2.2.4 Clique算法 | 第21页 |
| 2.3 Hadoop相关技术 | 第21-24页 |
| 2.3.1 HDFS | 第22-23页 |
| 2.3.2 MapReduce | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 一种结构化分布式聚类算法 | 第25-43页 |
| 3.1 SDCA算法设计思想 | 第25-26页 |
| 3.2 相关概念 | 第26-31页 |
| 3.3 局部网络聚类 | 第31-34页 |
| 3.3.1 LNC算法设计思想 | 第31页 |
| 3.3.2 LNC算法设计 | 第31-34页 |
| 3.4 局部结果合并 | 第34-38页 |
| 3.4.1 LRM算法设计思想 | 第34-35页 |
| 3.4.2 LRM算法设计 | 第35-38页 |
| 3.5 最终结果判定 | 第38-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 一种基于密度的分布式聚类算法 | 第43-67页 |
| 4.1 Clique-k-means聚类算法思想 | 第43-44页 |
| 4.2 初始中心点的选取 | 第44-58页 |
| 4.2.1 GBSA算法设计思想 | 第45-46页 |
| 4.2.2 相关概念 | 第46-50页 |
| 4.2.3 GBSA算法并行阶段设计 | 第50-53页 |
| 4.2.4 GBSA算法串行部分设计 | 第53-58页 |
| 4.3 最终中心点的确定 | 第58-65页 |
| 4.3.1 DBDA算法设计思想 | 第58-59页 |
| 4.3.2 相关概念 | 第59-60页 |
| 4.3.3 DBDA算法并行阶段设计 | 第60-64页 |
| 4.3.4 DBDA算法串行阶段设计 | 第64-65页 |
| 4.4 聚类及结果输出 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 实验设计与分析 | 第67-81页 |
| 5.1 实验环境 | 第67-69页 |
| 5.1.1 硬件环境 | 第67页 |
| 5.1.2 软件环境 | 第67页 |
| 5.1.3 集群拓扑结构 | 第67-69页 |
| 5.2 网络结构化分布式聚类算法 | 第69-73页 |
| 5.2.1 实验数据 | 第69-70页 |
| 5.2.2 实验设计 | 第70-71页 |
| 5.2.3 结果与分析 | 第71-73页 |
| 5.3 基于密度的分布式聚类算法 | 第73-79页 |
| 5.3.1 实验数据 | 第73-75页 |
| 5.3.2 实验设计 | 第75-76页 |
| 5.3.3 结果与分析 | 第76-79页 |
| 5.4 本章小结 | 第79-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 工作总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻读学位期间发表的论文及参与的科研项目 | 第87-89页 |
| 发表的论文 | 第87-89页 |
| 致谢 | 第89页 |
