| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪 论 | 第9-14页 |
| ·论文的研究背景及选题的意义 | 第9-10页 |
| ·国内外现状综述 | 第10-12页 |
| ·论文研究的内容及组织 | 第12-14页 |
| 2 数据挖掘与遗传算法技术 | 第14-31页 |
| ·数据挖掘技术简介 | 第14-18页 |
| ·数据挖掘的定义 | 第14页 |
| ·数据挖掘的任务 | 第14-15页 |
| ·数据挖掘的常用方法 | 第15-17页 |
| ·数据挖掘的应用 | 第17-18页 |
| ·遗传算法与K-中心聚类 | 第18-31页 |
| ·遗传算法的定义 | 第18页 |
| ·自然进化与遗传算法 | 第18-19页 |
| ·遗传算法的描述 | 第19-26页 |
| ·遗传算法的特点 | 第26-27页 |
| ·遗传算法的基本原理 | 第27-29页 |
| ·K-中心聚类数据挖掘 | 第29-31页 |
| 3 将并行遗传算法应用于K-中心聚类 | 第31-41页 |
| ·引入并行遗传算法的理由 | 第31-32页 |
| ·引入遗传算法是由遗传算法所固有的并行特性所决定的 | 第31-32页 |
| ·并行遗传算法有利解决传统遗传算法的早熟现象 | 第32页 |
| ·效率低也是遗传算法的一个缺点 | 第32页 |
| ·并行遗传算法的模型 | 第32-37页 |
| ·主从式并行遗传算法 | 第33页 |
| ·细粒度并行遗传算法 | 第33-34页 |
| ·粗粒度并行遗传算法 | 第34-37页 |
| ·将并行遗传算法应用到K-中心数据挖掘中 | 第37-41页 |
| ·并行遗传算法应用到K-Means中 | 第37-38页 |
| ·将并行遗传算法应用到K-中心聚类中 | 第38页 |
| ·对K-中心进行编码 | 第38页 |
| ·适度函数的选择 | 第38-39页 |
| ·遗传操作 | 第39页 |
| ·并行模型 | 第39-40页 |
| ·迁移策略 | 第40-41页 |
| 4 算法的实现及实验结果的分析 | 第41-53页 |
| ·PVM的组成 | 第41-42页 |
| ·PVM的特点 | 第42页 |
| ·PVM的编程基础 | 第42-46页 |
| ·PVM的编程模型 | 第43页 |
| ·PVM在两台计算机之间传送数据的过程 | 第43-44页 |
| ·主要的PVM库函数 | 第44-46页 |
| ·算法描述 | 第46-47页 |
| ·关于本试验的说明 | 第47-48页 |
| ·实验结果分析 | 第48-53页 |
| ·实验步骤 | 第48页 |
| ·实验结果分析 | 第48-51页 |
| ·加速比分析 | 第51-52页 |
| ·实验小结 | 第52-53页 |
| 5 论文的总结 | 第53-55页 |
| ·论文的主要工作 | 第53-54页 |
| ·进一步努力的方向 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-60页 |