| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题的研究背景 | 第8-12页 |
| ·课题的来源及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·课题主要研究内容 | 第12页 |
| ·主要研究内容 | 第12页 |
| ·论文组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 数据密集型计算及相关领域理论研究 | 第14-28页 |
| ·数据密集型计算 | 第14-16页 |
| ·数据密集型计算的背景 | 第14-15页 |
| ·数据密集型计算面临的挑战 | 第15-16页 |
| ·聚类分析算法 | 第16-23页 |
| ·聚类分析概述 | 第16-19页 |
| ·聚类的相异性度量 | 第19-20页 |
| ·聚类分析的种类 | 第20-21页 |
| ·传统聚类算法 | 第21-23页 |
| ·传统聚类方法比较 | 第23页 |
| ·其它聚类方法 | 第23页 |
| ·Hadoop项目及子项目 | 第23-27页 |
| ·Hadoop项目概述 | 第23-25页 |
| ·MapReduce编程模型相关介绍 | 第25-26页 |
| ·HDFS分布式存储模型介绍 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 k-means和DBSCAN在DIC环境下研究与实现 | 第28-37页 |
| ·k-means算法及DBSCAN算法 | 第28-32页 |
| ·k-means简介 | 第28-31页 |
| ·DBSCAN简介 | 第31-32页 |
| ·k-means算法在MapReduce上的实现 | 第32-34页 |
| ·实现过程 | 第32-34页 |
| ·算法复杂度分析 | 第34页 |
| ·DBSCAN算法在MapReduce上的实现 | 第34-36页 |
| ·实现过程 | 第34-35页 |
| ·算法复杂度分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 改进的的聚类算法及其在DIC环境下的实现 | 第37-42页 |
| ·DBDC简介 | 第37页 |
| ·算法IDBDC的提出 | 第37-39页 |
| ·聚类算法在DIC环境下的不足 | 第37-38页 |
| ·聚类算法IDBDC | 第38-39页 |
| ·算法IDBDC在MapReduce上的实现 | 第39-41页 |
| ·Map阶段 | 第39-40页 |
| ·Reduce阶段 | 第40-41页 |
| ·算法复杂度分析 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第5章 实验与结果分析 | 第42-53页 |
| ·实验环境及数据 | 第42-44页 |
| ·Hadoop环境配置 | 第44-49页 |
| ·实验结果分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| ·总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间公开发表论文及科研情况 | 第60页 |