| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·课题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·本文结构 | 第13-14页 |
| 2 聚类算法与 Hadoop 介绍 | 第14-23页 |
| ·聚类的定义 | 第14页 |
| ·经典聚类算法 | 第14-19页 |
| ·基于层次的聚类方法 | 第14-15页 |
| ·基于划分的聚类方法 | 第15-17页 |
| ·基于网格的聚类方法 | 第17页 |
| ·基于密度的聚类方法 | 第17-18页 |
| ·基于模型的聚类方法 | 第18-19页 |
| ·Hadoop 相关技术介绍 | 第19-21页 |
| ·Hadoop 简介 | 第19-20页 |
| ·云计算简介 | 第20-21页 |
| ·MapReduce 并行编程框架介绍 | 第21-22页 |
| ·与网格计算的对比 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 Binary-Positive 算法下的并行化 CURE 算法 | 第23-35页 |
| ·背景 | 第23-24页 |
| ·CURE 算法分析 | 第24-25页 |
| ·CURE 算法思想 | 第24页 |
| ·随机抽样 | 第24-25页 |
| ·数据的划分与标记 | 第25页 |
| ·Binary-Positive 算法下的并行化 CURE 算法 | 第25-31页 |
| ·类间距离的计算 | 第25-27页 |
| ·Binary-Positive 预处理 | 第27页 |
| ·MapReduce 下的 CURE 算法 | 第27-31页 |
| ·实验及结果分析 | 第31-34页 |
| ·实验环境 | 第31页 |
| ·数据集 | 第31-32页 |
| ·实验结果 | 第32-33页 |
| ·实验分析 | 第33页 |
| ·并行算法分析 | 第33-34页 |
| ·类似工作分析 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 聚类算法在重复数据删除技术中的研究与应用 | 第35-43页 |
| ·图像特征提取 | 第35-36页 |
| ·颜色直方图 | 第35-36页 |
| ·直方图细化 | 第36页 |
| ·特征提取 | 第36页 |
| ·基于 MapReduce 的 k-means 算法在图像聚类中的应用 | 第36-40页 |
| ·k-means 算法分析 | 第37-38页 |
| ·基于 MapReduce 的 k-means 算法框架 | 第38-39页 |
| ·图像聚类的设计与实现 | 第39-40页 |
| ·重复数据删除 | 第40-41页 |
| ·Data deduplication 技术 | 第40-41页 |
| ·重复数据删除的过程 | 第41页 |
| ·实验结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 MapReduce 与 MPI 在聚类算法中的对比 | 第43-50页 |
| ·MPI 介绍 | 第43-45页 |
| ·MPI 的并行应用模式 | 第43页 |
| ·MPI 编程模型 | 第43-45页 |
| ·基于 MPI 的 k-means 聚类算法 | 第45-48页 |
| ·基于 MPI 的 k-means 聚类算法设计 | 第45-46页 |
| ·基于 MP I 旳并行 K-Means 算法实现 | 第46-48页 |
| ·基于 MapReduce 的 k-means 算法与基于 MPI 的 k-means 算法的比较 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-51页 |
| ·论文工作总结 | 第50页 |
| ·下一步工作与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者攻读硕士期间研究成果 | 第55页 |
