基于大数据处理的模糊聚类分析应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 选题背景和意义 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.2.1 大数据分析的研究现状 | 第8-9页 |
| 1.2.2 模糊聚类算法的研究现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10页 |
| 1.4 本文组织结构 | 第10-13页 |
| 第2章 大数据概述 | 第13-19页 |
| 2.1 大数据的概念与特点 | 第13页 |
| 2.2 大数据处理流程 | 第13-14页 |
| 2.3 大数据处理架构Hadoop | 第14-19页 |
| 2.3.1 Mapreduce | 第15-16页 |
| 2.3.2 HDFS | 第16-17页 |
| 2.3.3 HBase | 第17-18页 |
| 2.3.4 Hive与Pig | 第18-19页 |
| 第3章 Hadoop下的模糊聚类 | 第19-37页 |
| 3.1 经典硬聚类算法 | 第19-24页 |
| 3.1.1 K-Means算法 | 第19-22页 |
| 3.1.2 K-Medoids算法 | 第22-24页 |
| 3.2 模糊聚类算法 | 第24-34页 |
| 3.2.1 模糊C均值算法 | 第25-27页 |
| 3.2.2 模糊GK算法 | 第27-34页 |
| 3.3 经典硬聚类与模糊聚类的对比 | 第34-37页 |
| 3.3.1 实际应用对比 | 第34页 |
| 3.3.2 算法分析对比 | 第34-37页 |
| 第4章 基于大数据处理的模糊聚类应用 | 第37-51页 |
| 4.1 实例说明 | 第37-38页 |
| 4.2 实验步骤 | 第38页 |
| 4.3 数据收集 | 第38-39页 |
| 4.4 数据预处理 | 第39-42页 |
| 4.5 实验环境 | 第42-43页 |
| 4.6 数据分析 | 第43-48页 |
| 4.7 性能分析 | 第48-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-57页 |
| 攻读硕士期间研究成果 | 第57页 |
