| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·半监督聚类研究现状 | 第11-12页 |
| ·云计算研究现状 | 第12-13页 |
| ·本文主要研究内容和结构安排 | 第13-14页 |
| 第2章 理论基础 | 第14-24页 |
| ·聚类分析 | 第14-20页 |
| ·聚类概念与相关定义 | 第14-15页 |
| ·聚类方法的分类 | 第15-16页 |
| ·聚类性能评价标准 | 第16-17页 |
| ·数据预处理 | 第17-19页 |
| ·K-means算法 | 第19-20页 |
| ·半监督聚类分析 | 第20-23页 |
| ·半监督聚类分析概述 | 第20-21页 |
| ·先验知识的形式 | 第21-22页 |
| ·Cop-Kmeans算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 Cop-kmeans算法的缺陷及改进 | 第24-35页 |
| ·COP-KMEANS算法的缺陷 | 第24-25页 |
| ·改进COP-KMEANS算法 | 第25-33页 |
| ·传统的改进方法 | 第25-26页 |
| ·Cop-Kmeans算法改进方案(一) | 第26-29页 |
| ·Cop-Kmeans算法改进方案(二) | 第29-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 基于Hadoop的并行聚类算法 | 第35-45页 |
| ·HADOOP平台概述 | 第35-36页 |
| ·MAPREDUCE并行计算框架 | 第36-38页 |
| ·MapReduce的系统结构 | 第36-37页 |
| ·MapReduce的工作流程 | 第37-38页 |
| ·分布式系统文件HDFS | 第38-40页 |
| ·HDFS简介 | 第38-39页 |
| ·HDFS系统结构 | 第39-40页 |
| ·L~+COP-KMEANS算法的并行化 | 第40-43页 |
| ·本章小结 | 第43-45页 |
| 第5章 实验结果与分析 | 第45-59页 |
| ·COP-KMEANS算法改进实验 | 第45-55页 |
| ·实验数据集 | 第45页 |
| ·数据预处理实验 | 第45-47页 |
| ·LCop-Kmeans算法处理约束违反实验 | 第47-49页 |
| ·LCop-Kmeans和L~+Cop-Kmeans聚类结果比较实验 | 第49-53页 |
| ·聚类时间效率比较实验 | 第53-55页 |
| ·并行L~+COP-KMEANS算法实验 | 第55-58页 |
| ·实验运行环境及数据集 | 第55-56页 |
| ·实验评价方法 | 第56-57页 |
| ·并行L~+Cop-Kmeans算法实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第66页 |