| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的工作及组织结构 | 第12-14页 |
| 第2章 相关技术研究 | 第14-26页 |
| 2.1 Spark计算平台 | 第14-19页 |
| 2.1.1 Spark简介与系统架构 | 第14-16页 |
| 2.1.2 Spark RDD与编程模型 | 第16-19页 |
| 2.2 聚类算法 | 第19-23页 |
| 2.2.1 相似度的度量 | 第20-21页 |
| 2.2.2 聚类效果的评估方法 | 第21-23页 |
| 2.3 谱聚类的图论基础 | 第23-24页 |
| 2.4 超图的基本概念 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 超图谱聚类方法设计与实现 | 第26-38页 |
| 3.1 拉普拉斯矩阵 | 第26-27页 |
| 3.1.1 未规范的拉普拉斯矩阵 | 第26-27页 |
| 3.1.2 规范化的拉普拉斯矩阵 | 第27页 |
| 3.2 谱图划分准则 | 第27-30页 |
| 3.2.1 最小切(Min-cut) | 第28页 |
| 3.2.2 比率切(Ratio-cut) | 第28-30页 |
| 3.2.3 规范切(Normalized-cut) | 第30页 |
| 3.3 超图的谱聚类 | 第30-37页 |
| 3.3.1 超图分割与拉普拉斯矩阵 | 第30-32页 |
| 3.3.2 超图谱聚类的步骤 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 超图谱聚类的并行化实现与优化 | 第38-51页 |
| 4.1 超图谱聚类并行化综述 | 第38-40页 |
| 4.2 超图模型构建 | 第40-42页 |
| 4.3 计算拉普拉斯矩阵的并行化 | 第42-44页 |
| 4.4 计算特征向量的并行化 | 第44-46页 |
| 4.5 特征向量聚类的并行化 | 第46-48页 |
| 4.6 算法复杂度分析 | 第48-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第5章 实验与分析 | 第51-65页 |
| 5.1 实验环境搭建 | 第51-54页 |
| 5.1.1 实验环境配置参数 | 第51-52页 |
| 5.1.2 Spark环境搭建 | 第52-54页 |
| 5.2 基于公开数据集的实验 | 第54-58页 |
| 5.3 基于移动广告数据集的实验 | 第58-64页 |
| 5.3.1 特征提取 | 第58页 |
| 5.3.2 实验过程与分析 | 第58-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |