| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-23页 |
| ·数据挖掘(Data Mining)概述 | 第9-19页 |
| ·数据挖掘的概念 | 第9页 |
| ·数据挖掘的过程 | 第9-10页 |
| ·数据挖掘的分类 | 第10页 |
| ·数据挖掘的算法 | 第10-16页 |
| ·数据挖掘的任务 | 第16-18页 |
| ·数据挖掘存在的问题和挑战 | 第18-19页 |
| ·模糊聚类算法和 K 均值聚类算法的国内外研究现状 | 第19-21页 |
| ·模糊聚类算法的国内外研究现状 | 第19-20页 |
| ·K 均值聚类算法的国内外研究现状 | 第20-21页 |
| ·论文的主干内容与论文的各章划分 | 第21-23页 |
| ·论文的主干内容 | 第21页 |
| ·论文的各章划分 | 第21-23页 |
| 第二章 模糊集、模糊 C 均值聚类算法、熵和 Hadoop 计算平台 | 第23-29页 |
| ·模糊集 | 第23页 |
| ·模糊 C 均值聚类算法 | 第23-24页 |
| ·熵 | 第24-26页 |
| ·信息熵的推导 | 第24-25页 |
| ·信息熵的意义和性质 | 第25-26页 |
| ·Hadoop 计算平台 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 利用模糊熵约束的模糊 C 均值聚类算法 | 第29-43页 |
| ·引言 | 第29-30页 |
| ·模糊 C 均值算法（FCM）、信息熵与模糊熵 | 第30-33页 |
| ·FCM 算法 | 第30-33页 |
| ·信息熵与模糊熵 | 第33页 |
| ·改进的 FCM 算法 | 第33-38页 |
| ·模糊熵函数 | 第34页 |
| ·改进的 FCM 算法推导 | 第34-37页 |
| ·改进的模糊 C 均值算法聚类中心的求解 | 第37-38页 |
| ·改进的模糊 C 均值算法 | 第38页 |
| ·实验分析 | 第38-40页 |
| ·本章小结 | 第40-43页 |
| 第四章 基于平均值和 H 权值的 K-means 算法及其并行化 | 第43-55页 |
| ·引言 | 第43-44页 |
| ·K 均值聚类算法 | 第44-46页 |
| ·基于平均值和 H 权值的 K 均值聚类 | 第46-48页 |
| ·平均值与聚类中心 | 第46-47页 |
| ·H 权值与聚类距离 | 第47-48页 |
| ·基于平均值和 H 权值的 K-means 算法及其并行化 | 第48-50页 |
| ·基于平均值和 H 权值的 K-means 算法 | 第48页 |
| ·基于平均值和 H 权值的 K-means 并行算法 | 第48-50页 |
| ·实验和结果分析 | 第50-54页 |
| ·聚类效果实验分析 | 第50-51页 |
| ·并行化实验分析 | 第51-54页 |
| ·结束语 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 附录 | 第63-65页 |
| 致谢 | 第65-67页 |
| 研究生期间发表的文章及参与项目 | 第67-69页 |
| 个人简介及联系方式 | 第69-70页 |
