| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专业术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 数据流聚类研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文组织 | 第12-14页 |
| 第二章 数据流聚类算法综述 | 第14-28页 |
| 2.1 数据分析 | 第14-15页 |
| 2.1.1 数据表示 | 第14页 |
| 2.1.2 学习 | 第14-15页 |
| 2.1.3 推理 | 第15页 |
| 2.2 聚类 | 第15-27页 |
| 2.2.1 经典聚类算法 | 第16-20页 |
| 2.2.2 高维度数据的聚类 | 第20-21页 |
| 2.2.3 数据流聚类 | 第21-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于MapReduce框架的改进K均值算法 | 第28-41页 |
| 3.1 问题定义 | 第28页 |
| 3.2 K均值算法 | 第28-29页 |
| 3.3 MapReduce框架 | 第29-32页 |
| 3.4 算法的基本思想 | 第32-37页 |
| 3.4.1 确定初始簇中心 | 第32-33页 |
| 3.4.2 聚类过程 | 第33-35页 |
| 3.4.3 算法正确性研究 | 第35-36页 |
| 3.4.4 基于MapReduce框架的算法应用 | 第36-37页 |
| 3.5 实验与分析 | 第37-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于TEDA的模糊聚类算法 | 第41-49页 |
| 4.1 TEDA算法 | 第41-42页 |
| 4.2 问题定义 | 第42-43页 |
| 4.3 算法基本思想 | 第43-46页 |
| 4.3.1 簇的更新 | 第44-45页 |
| 4.3.2 新簇的创建 | 第45-46页 |
| 4.3.3 簇的合并 | 第46页 |
| 4.4 实验与分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与期望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第52-53页 |
| 附录2 部分程序清单 | 第53-61页 |
| 致谢 | 第61页 |