| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外现状分析 | 第11-15页 |
| ·论文内容安排 | 第15-16页 |
| 第二章 相关技术研究 | 第16-30页 |
| ·Hadoop 技术架构 | 第16-22页 |
| ·HDFS | 第16-19页 |
| ·Namenode 和 Datanode | 第17页 |
| ·数据的可靠性 | 第17-18页 |
| ·数据读写策略 | 第18-19页 |
| ·HDFS 的缺陷 | 第19页 |
| ·MapReduce | 第19-22页 |
| ·MapReduce 执行流程 | 第19-21页 |
| ·MapReduce 的容错机制 | 第21-22页 |
| ·聚类相关技术 | 第22-29页 |
| ·聚类分析中相似度度量方法 | 第22-24页 |
| ·距离度量方法 | 第22-23页 |
| ·相似度系数度量方法 | 第23-24页 |
| ·聚类算法研究 | 第24-27页 |
| ·聚类算法的分类 | 第24-25页 |
| ·K-means 算法 | 第25-26页 |
| ·canopy 算法 | 第26-27页 |
| ·聚类中的抽样技术 | 第27-28页 |
| ·聚类结果的评价方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于 canopy 的二次聚类算法 | 第30-53页 |
| ·CTK 算法的思想 | 第30-33页 |
| ·初始聚类中心的选择 | 第30页 |
| ·聚类过程 | 第30-32页 |
| ·CTK 算法基本流程 | 第32-33页 |
| ·CTK 算法的并行设计 | 第33-39页 |
| ·CTK 算法的并行实现 | 第39-46页 |
| ·算法复杂度分析 | 第46页 |
| ·CTK 算法的应用——热点生成 | 第46-52页 |
| ·数据的预处理 | 第47-50页 |
| ·网页信息的采集处理 | 第47-49页 |
| ·向量空间模型的计算 | 第49-50页 |
| ·热点提取 | 第50-51页 |
| ·热点生成的并行化 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于最大最小距离原理的 K-means 聚类算法 | 第53-69页 |
| ·MMKMEANS 算法的思想 | 第53-56页 |
| ·初始聚类中心的选择 | 第53-55页 |
| ·样本的抽取 | 第53-54页 |
| ·待选聚类中心的获取 | 第54-55页 |
| ·邻近类中心的合并 | 第55页 |
| ·聚类过程 | 第55页 |
| ·MMKMEANS 算法基本流程 | 第55-56页 |
| ·MMKMEANS 算法的并行设计 | 第56-61页 |
| ·MMKMEANS 算法的并行实现 | 第61-67页 |
| ·算法复杂度分析 | 第67-68页 |
| ·MMKMEANS 算法的应用——热点生成 | 第68页 |
| ·本章小结 | 第68-69页 |
| 第五章 实验结果及分析 | 第69-81页 |
| ·Hadoop 集群的部署 | 第69-70页 |
| ·软硬件环境 | 第69页 |
| ·部署过程 | 第69-70页 |
| ·测试结果分析 | 第70-80页 |
| ·聚类质量分析 | 第70-78页 |
| ·评价指标 | 第70-71页 |
| ·测试集及参数 | 第71-72页 |
| ·聚类结果分析 | 第72-75页 |
| ·查准率和查全率分析 | 第75-78页 |
| ·加速比分析 | 第78-79页 |
| ·热点展示 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| ·文本的总结 | 第81-82页 |
| ·未来的工作 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 硕士期间参与的项目 | 第87-88页 |