基于Spark的模糊c均值聚类算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的 | 第11-13页 |
| 1.3 研究现状 | 第13-15页 |
| 1.4 研究内容及论文结构 | 第15-17页 |
| 1.4.1 主要研究内容 | 第15-16页 |
| 1.4.2 论文组织结构 | 第16-17页 |
| 第2章 聚类算法研究 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 聚类方法综述 | 第17-21页 |
| 2.2.1 划分聚类方法 | 第17-19页 |
| 2.2.2 层次聚类方法 | 第19页 |
| 2.2.3 密度聚类方法 | 第19-20页 |
| 2.2.4 网格聚类方法 | 第20-21页 |
| 2.3 聚类方法可扩展性分析 | 第21-22页 |
| 2.4 基于目标函数的模糊c均值 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 Hadoop和Spark的分布式架构对比 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 通用分布式框架Hadoop | 第26-28页 |
| 3.2.1 分布式文件系统HDFS | 第26-27页 |
| 3.2.2 分布式计算模型MapReduce | 第27-28页 |
| 3.3 快速分布式引擎Spark | 第28-31页 |
| 3.3.1 Spark的RDD抽象 | 第28-29页 |
| 3.3.2 Spark编程模型 | 第29-31页 |
| 3.4 Hadoop和Spark的迭代性能分析 | 第31-35页 |
| 3.4.1 实验验证 | 第32-34页 |
| 3.4.2 理论说明 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 可扩展的并行模糊c均值算法 | 第36-47页 |
| 4.1 引言 | 第36页 |
| 4.2 k均值初始化的改进算法 | 第36-39页 |
| 4.2.1 k-means++ | 第37-38页 |
| 4.2.2 k-means∥ | 第38-39页 |
| 4.3 可扩展的并行模糊c均值 | 第39-46页 |
| 4.3.1 算法设计 | 第39-44页 |
| 4.3.2 实验分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 可扩展的并行核化模糊c均值算法 | 第47-57页 |
| 5.1 引言 | 第47页 |
| 5.2 基于核化距离的模糊c均值 | 第47-50页 |
| 5.2.1 核函数综述 | 第47-48页 |
| 5.2.2 基于核化距离的聚类 | 第48-50页 |
| 5.3 可扩展的并行核化模糊c均值 | 第50-56页 |
| 5.3.1 算法设计 | 第51-54页 |
| 5.3.2 实验分析 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
