| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究的背景和意义 | 第8-9页 |
| ·研究现状和难点 | 第9-10页 |
| ·本文的研究内容 | 第10页 |
| ·论文的组织结构 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 第二章 聚类算法相关技术 | 第12-24页 |
| ·聚类算法介绍 | 第12页 |
| ·聚类分析的目的 | 第12-13页 |
| ·聚类分析的相关技术 | 第13-18页 |
| ·聚类分析中的数据结构 | 第13页 |
| ·聚类分析中的数据类型 | 第13-14页 |
| ·聚类分析中的距离度量 | 第14-17页 |
| ·聚类分析的流程 | 第17-18页 |
| ·常用的聚类算法 | 第18-21页 |
| ·划分方法 | 第18页 |
| ·层次方法 | 第18-20页 |
| ·基于密度的方法 | 第20页 |
| ·基于网格的方法 | 第20页 |
| ·基于模型的方法 | 第20-21页 |
| ·聚类效果的评价标准 | 第21-22页 |
| ·并行聚类相关技术 | 第22-23页 |
| ·并行计算简介 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 MAP-REDUCE 相关技术介绍 | 第24-38页 |
| ·MAP-REDUCE 简介 | 第24页 |
| ·MAP-REDUCE 执行流程 | 第24-26页 |
| ·编程模型 | 第26-28页 |
| ·Map 和 Reduce 操作 | 第26-27页 |
| ·编程模型示例 | 第27-28页 |
| ·分布式计算框架 | 第28-31页 |
| ·容错性 | 第28-30页 |
| ·任务的本地化执行 | 第30页 |
| ·任务调度 | 第30-31页 |
| ·任务备份 | 第31页 |
| ·HDFS 分布式文件系统 | 第31-33页 |
| ·HBASE 分布式数据库 | 第33-34页 |
| ·MAP-REDUCE 与其它系统的比较 | 第34-37页 |
| ·关系型数据库管理系统 | 第34-35页 |
| ·网格计算 | 第35-36页 |
| ·志愿计算 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于 MAP-REDUCE 并行聚类算法的研究 | 第38-54页 |
| ·K-MEANS 算法简介 | 第38-42页 |
| ·k-means 算法的数学思想 | 第38-39页 |
| ·k-means 算法框架 | 第39-42页 |
| ·基于 MAP-REDUCE 的 K-MEANS 并行算法的设计 | 第42-44页 |
| ·算法时间复杂度分析 | 第44页 |
| ·CANOPY 算法的简介 | 第44-47页 |
| ·基于 Canopy Method 的聚类算法 | 第44页 |
| ·聚类精度 | 第44-45页 |
| ·单机生成 canopy 的算法 | 第45-47页 |
| ·基于 MAP-REDUCE 的 CANOPY-K-MEANS 并行算法的设计 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 实验与分析 | 第54-60页 |
| ·实验环境 | 第54-55页 |
| ·主机设置 | 第54-55页 |
| ·Hadoop 节点配置 | 第55页 |
| ·实验结果 | 第55-59页 |
| ·准确率分析 | 第56-58页 |
| ·加速比分析 | 第58-59页 |
| ·扩展性分析 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第六章 全文总结与展望 | 第60-62页 |
| ·全文总结 | 第60页 |
| ·未来研究展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-66页 |
