| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 国内研究现状 | 第11-12页 |
| 1.3.2 国外研究现状 | 第12-13页 |
| 1.4 研究内容及创新点 | 第13-14页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 主要创新点 | 第14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 1.6 本章小结 | 第15-16页 |
| 第2章 相关技术概述 | 第16-29页 |
| 2.1 大规模数据集 | 第16-18页 |
| 2.1.1 大规模数据集主要相关技术 | 第16-17页 |
| 2.1.2 大规模数据集聚类的应用领域 | 第17-18页 |
| 2.2 聚类分析 | 第18-20页 |
| 2.2.1 定义 | 第18页 |
| 2.2.2 聚类算法分类 | 第18-20页 |
| 2.3 抽样划分聚类通用框架 | 第20-22页 |
| 2.3.1 抽样概述 | 第20-21页 |
| 2.3.2 抽样划分聚类 | 第21-22页 |
| 2.4 Hadoop分布式平台 | 第22-26页 |
| 2.4.1 Hadoop架构 | 第22-23页 |
| 2.4.2 Map Reduce编程模型 | 第23-26页 |
| 2.5 Spark计算框架 | 第26-27页 |
| 2.5.1 Spark体系结构 | 第26-27页 |
| 2.5.2 Spark设计思想 | 第27页 |
| 2.5.3 弹性分布式数据集RDD | 第27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 基于Map Reduce模型的并行化聚类算法 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 K-means及Canopy算法 | 第29-31页 |
| 3.2.1 K-means算法 | 第29-30页 |
| 3.2.2 Canopy算法 | 第30-31页 |
| 3.3 面向大规模数据集的BCK-means算法 | 第31-36页 |
| 3.3.1 基于Map Reduce模型的BCK-means并行算法设计 | 第32-35页 |
| 3.3.2 基于Map Reduce模型的BCK-means并行算法实现 | 第35-36页 |
| 3.4 实验设计与分析 | 第36-39页 |
| 3.4.1 实验部署 | 第36-37页 |
| 3.4.2 实验结果及分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于Spark平台的并行化聚类算法 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 粒子群算法 | 第40-44页 |
| 4.2.1 算法思想 | 第40-41页 |
| 4.2.2 算法框架 | 第41-42页 |
| 4.2.3 动态粒子群算法 | 第42-44页 |
| 4.3 面向大规模数据集的ds PSOK-means并行化算法 | 第44-46页 |
| 4.3.1 基于Spark的ds PSOK-means并行化架构 | 第45-46页 |
| 4.3.2 基于Spark的ds PSOK-means并行化算法 | 第46页 |
| 4.4 实验设计与分析 | 第46-49页 |
| 4.4.1 实验部署 | 第46-47页 |
| 4.4.2 实验过程及结果分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 在读期间发表的学术论文及研究成果 | 第55-56页 |
| 致谢 | 第56页 |
