聚类CLIQUE算法及其并行化研究
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第9-13页 |
| 1．1 论文的研究背景及选题意义 | 第9-10页 |
| 1．2 国内外现状综述 | 第10-11页 |
| 1．3 论文研究的内容及组织 | 第11-13页 |
| 2 数据挖掘中的聚类分析 | 第13-25页 |
| 2．1 数据挖掘中的聚类分析 | 第13页 |
| 2．2 聚类分析的概念 | 第13-14页 |
| 2．2．1 什么是聚类分析 | 第13-14页 |
| 2．3 聚类分析中的数据类型 | 第14-17页 |
| 2．3．1 区间标度变量 | 第15页 |
| 2．3．2 二元变量 | 第15-16页 |
| 2．3．3 标称型、序列型和比例标度型变量 | 第16页 |
| 2．3．4 混合类型的变量 | 第16-17页 |
| 2．4 潜在应用对聚类算法提出的特别要求 | 第17-18页 |
| 2．5 聚类分析中的聚类准则函数 | 第18-21页 |
| 2．6 数据挖掘中的聚类分析算法 | 第21-24页 |
| 2．6．1 划分聚类算法 | 第21页 |
| 2．6．2 层次聚类算法 | 第21-22页 |
| 2．6．3 基于密度的聚类算法 | 第22-23页 |
| 2．6．4 基于网格的聚类算法 | 第23页 |
| 2．6．5 基于模型的方法 | 第23-24页 |
| 2．6．6 模糊聚类方法 | 第24页 |
| 2．7 小结 | 第24-25页 |
| 3 CLIQUE算法及改进 | 第25-37页 |
| 3．1 CLIQUE算法简介 | 第25-31页 |
| 3．1．1 算法的思想 | 第25页 |
| 3．1．2 算法的框架 | 第25-31页 |
| 3．2 CLIQUE算法的局限性 | 第31-32页 |
| 3．3 CLIQUE算法的改进 | 第32-36页 |
| 3．3．1 算法改进的描述 | 第32-35页 |
| 3．3．2 改进算法的分析 | 第35-36页 |
| 3．4 小结 | 第36-37页 |
| 4 CLIQUE改进算法的并行 | 第37-51页 |
| 4．1 并行数据挖掘的体系结构 | 第37-38页 |
| 4．2 并行策略 | 第38-40页 |
| 4．2．1 任务并行 | 第38-39页 |
| 4．2．2 数据并行 | 第39页 |
| 4．2．3 数据并行与任务并行相结合 | 第39-40页 |
| 4．3 PVM简介 | 第40-43页 |
| 4．3．1 PVM的产生和发展 | 第40页 |
| 4．3．2 PVM的特点 | 第40-41页 |
| 4．3．3 PVM编程基础 | 第41-43页 |
| 4．4 并行程序的评估 | 第43-44页 |
| 4．4．1 并行执行时间 | 第43页 |
| 4．4．2 并行算法的时间复杂性 | 第43页 |
| 4．4．3 性能评价 | 第43-44页 |
| 4．5 算法并行的思路 | 第44-46页 |
| 4．5．1 数据并行 | 第44页 |
| 4．5．2 任务并行 | 第44-45页 |
| 4．5．3 动态负载平衡 | 第45页 |
| 4．5．4 创建密集单元候选集 | 第45-46页 |
| 4．5．5 验证密集单元 | 第46页 |
| 4．6 并行算法的实现 | 第46-49页 |
| 4．7 并行算法的分析 | 第49-50页 |
| 4．7．1 时间复杂性分析 | 第49-50页 |
| 4．7．2 试验结果 | 第50页 |
| 4．8 小结 | 第50-51页 |
| 5 论文的总结 | 第51-53页 |
| 5．1 论文的主要工作 | 第51-52页 |
| 5．2 进一步努力的方向 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
