面向大数据的聚类技术及其应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 聚类算法研究现状 | 第11-13页 |
| 1.2.2 分布式平台及分布式聚类算法研究现状 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 相关知识介绍 | 第17-25页 |
| 2.1 聚类算法 | 第17-20页 |
| 2.2 Spark | 第20-23页 |
| 2.3 LSH和E2LSH | 第23-25页 |
| 第三章 DPC算法及其改进 | 第25-34页 |
| 3.1 DPC算法 | 第26-28页 |
| 3.2 DPC算法的改进 | 第28-31页 |
| 3.3 实验与结果分析 | 第31-34页 |
| 3.3.1 改进的DPC算法的有效性 | 第31-33页 |
| 3.3.2 改进DPC算法的参数设置和敏感性研究 | 第33-34页 |
| 第四章 ELSDPC算法 | 第34-53页 |
| 4.1 ELSDPC.DPC算法的分布式实现 | 第34-42页 |
| 4.1.1 分区策略 | 第34-36页 |
| 4.1.2 局部密度的估计 | 第36-38页 |
| 4.1.3 离群值的估计 | 第38-39页 |
| 4.1.4 离群值的优化 | 第39页 |
| 4.1.5 ELSDPC算法设计 | 第39-42页 |
| 4.2 时间复杂度 | 第42-44页 |
| 4.2.1 shuffle成本 | 第42页 |
| 4.2.2 计算成本 | 第42-43页 |
| 4.2.3 参数调节 | 第43-44页 |
| 4.3 实验与结果分析 | 第44-52页 |
| 4.3.1 实验环境 | 第44-45页 |
| 4.3.2 ELSDPC算法的有效性 | 第45-47页 |
| 4.3.3 ELSDPC算法的时间效率 | 第47-49页 |
| 4.3.4 算法的加速比、伸缩率和可扩展率分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 ELSDPC的实际应用 | 第53-57页 |
| 5.1 应用背景 | 第53页 |
| 5.2 实验数据 | 第53-56页 |
| 5.3 结果分析 | 第56-57页 |
| 总结与展望 | 第57-58页 |
| 总结 | 第57页 |
| 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录 (攻读学位期间发表论文目录) | 第64页 |
