| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景 | 第9-14页 |
| ·云计算的介绍 | 第9-12页 |
| ·云计算的国内外研究现状 | 第9-10页 |
| ·云计算的应用及Hadoop平台 | 第10-12页 |
| ·数据挖掘的内容 | 第12-13页 |
| ·大文本集聚类的意义与研究现状 | 第13-14页 |
| ·分布式聚类介绍 | 第14页 |
| ·本文结构 | 第14-16页 |
| 2 聚类算法的介绍 | 第16-20页 |
| ·聚类相似度计算方法 | 第16-17页 |
| ·聚类算法的概念与过程 | 第17页 |
| ·聚类算法的分类 | 第17-19页 |
| ·层次方法(Hierarchical Method) | 第18页 |
| ·划分方法(Parti tioni ng Method) | 第18页 |
| ·基于密度的方法 | 第18-19页 |
| ·基于网格的方法 | 第19页 |
| ·基于模型的方法 | 第19页 |
| ·基于约束的方法 | 第19页 |
| ·基于模糊的聚类算法 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 Hadoop分布式平台介绍 | 第20-24页 |
| ·Hadoop平台的起源 | 第20页 |
| ·Hadoop子项目构成 | 第20-21页 |
| ·HDFS架构介绍 | 第21-22页 |
| ·MapReduce编程模式 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 4 基于HIVE的K-means文本聚类算法设计与实现 | 第24-31页 |
| ·Hive简介 | 第24-25页 |
| ·K-means算法介绍 | 第25-26页 |
| ·基于HIVE的K-means算法的分布式实现 | 第26-28页 |
| ·系统主要实现类 | 第28页 |
| ·实验环境与评价标准 | 第28-29页 |
| ·实验结果与分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 5 基于Hadoop环境的CURE文本聚类算法设计 | 第31-46页 |
| ·文本的特征表示 | 第31页 |
| ·特征值计算公式——TFIDF公式 | 第31-35页 |
| ·TFIDF公式介绍 | 第31-32页 |
| ·一般的TFIDF公式的缺点 | 第32-33页 |
| ·一种改进的TFIDF公式介绍 | 第33-35页 |
| ·CURE聚类算法的介绍 | 第35-37页 |
| ·基于Hadoop的CURE聚类算法的具体设计 | 第37-44页 |
| ·基于Hadoop的CURE聚类算法框架 | 第38-39页 |
| ·参数计算 | 第39-41页 |
| ·文本权值TFIDF值的计算 | 第41-42页 |
| ·文本间余弦距离的计算 | 第42-43页 |
| ·CURE文本聚类算法的设计 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 6 基于Hadoop环境的CURE文本聚类算法的实验结果与分析 | 第46-59页 |
| ·基于Hadoop实验环境部署 | 第46-48页 |
| ·系统主要实现类 | 第48-50页 |
| ·主要实现类 | 第48页 |
| ·MapReduce代码框架 | 第48-50页 |
| ·实验结果及分析 | 第50-56页 |
| ·计算TFIDF值结果 | 第50-53页 |
| ·计算余弦距离值结果 | 第53-54页 |
| ·CURE聚类计算结果 | 第54-56页 |
| ·实验结果分析 | 第56-58页 |
| ·CURE聚类算法实验结果分析 | 第57页 |
| ·与基于HIVE的K-means算法实验结果的比较 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 7 总结与展望 | 第59-61页 |
| ·论文工作总结 | 第59页 |
| ·研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65页 |
