云环境下进化多目标聚类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 云计算研究现状 | 第8-9页 |
| 1.2.2 聚类算法研究现状 | 第9-10页 |
| 1.3 本文的组织结构 | 第10-11页 |
| 第二章 云计算与进化多目标优化技术概述 | 第11-18页 |
| 2.1 Hadoop云计算平台 | 第11-14页 |
| 2.1.1 HDFS(分布式文件系统) | 第12-13页 |
| 2.1.2 MapReduce编程模型 | 第13-14页 |
| 2.2 进化多目标优化技术 | 第14-16页 |
| 2.2.1 多目标优化问题的数学描述 | 第14-15页 |
| 2.2.2 进化多目标数学模型 | 第15-16页 |
| 2.3 多目标优化技术在聚类上的应用 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 基于进化多目标的聚类算法 | 第18-49页 |
| 3.1 聚类分析的相关介绍 | 第18-21页 |
| 3.1.1 聚类问题的定义 | 第19页 |
| 3.1.2 聚类的相似性度量 | 第19-20页 |
| 3.1.3 聚类的评价机制 | 第20-21页 |
| 3.2 K-Means聚类算法 | 第21-22页 |
| 3.2.1 K-Means算法的定义 | 第21-22页 |
| 3.2.2 K-Means算法的步骤 | 第22页 |
| 3.3 IMABCK聚类算法 | 第22-28页 |
| 3.3.1 人工蜂群算法介绍 | 第22-25页 |
| 3.3.2 IMABCK算法 | 第25-28页 |
| 3.4 多目标人工蜂群算法 | 第28-36页 |
| 3.4.1 单纯形法优化的人工蜂群算法 | 第29-31页 |
| 3.4.2 多目标人工蜂群算法总体框架 | 第31-33页 |
| 3.4.3 多目标人工蜂群算法策略说明 | 第33-36页 |
| 3.5 多目标人工蜂群聚类算法 | 第36-40页 |
| 3.5.1 聚类评价指标 | 第36-37页 |
| 3.5.2 MOABCK算法对应关系 | 第37页 |
| 3.5.3 MOABCK算法思想 | 第37-39页 |
| 3.5.4 解的选择 | 第39-40页 |
| 3.6 实验和结果分析 | 第40-48页 |
| 3.6.1 实验环境 | 第40页 |
| 3.6.2 IMABCK聚类算法实验 | 第40-43页 |
| 3.6.3 MOABCK聚类算法实验 | 第43-47页 |
| 3.6.4 时间复杂度分析 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 云环境下聚类算法的并行化 | 第49-59页 |
| 4.1 Hadoop平台的搭建 | 第49-50页 |
| 4.2 MOABCK算法的并行化设计 | 第50-55页 |
| 4.2.1 MOABCK算法的并行化设计 | 第50-51页 |
| 4.2.2 MOABCK算法的并行化函数设计 | 第51-55页 |
| 4.3 实验和结果分析 | 第55-58页 |
| 4.3.1 实验环境 | 第55页 |
| 4.3.2 实验结果分析 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-62页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 全文展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-67页 |
| 图版 | 第67-68页 |
