| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 聚类分析 | 第11-16页 |
| 1.2.1 聚类概述 | 第11-13页 |
| 1.2.2 相似性度量 | 第13-15页 |
| 1.2.3 有效性评价 | 第15-16页 |
| 1.3 文章主要研究工作 | 第16-17页 |
| 1.3.1 提出一种基于相似性的抽样方法 | 第16-17页 |
| 1.3.2 将性能优异的传统聚类算法推广到大数据聚类 | 第17页 |
| 1.4 文章章节安排 | 第17-19页 |
| 第二章 聚类算法概述 | 第19-29页 |
| 2.1 传统聚类算法概述 | 第19-24页 |
| 2.1.1 划分聚类算法 | 第19-21页 |
| 2.1.2 层次聚类算法 | 第21-22页 |
| 2.1.3 基于密度的聚类算法 | 第22-23页 |
| 2.1.4 基于网格的聚类算法 | 第23-24页 |
| 2.2 近邻传播聚类算法 | 第24页 |
| 2.3 大数据聚类算法概述 | 第24-29页 |
| 2.3.1 CURE算法 | 第26-27页 |
| 2.3.2 BIRCH算法 | 第27-28页 |
| 2.3.3 CLARA/CLARANS算法 | 第28-29页 |
| 第三章 基于核心点的大数据聚类框架 | 第29-36页 |
| 3.1 核心点选取与大数据分组 | 第29-32页 |
| 3.1.1 基于相似性的核心点选取 | 第30-31页 |
| 3.1.2 基于核心点的大数据分组 | 第31-32页 |
| 3.2 核心集聚类及推广到大数据聚类 | 第32页 |
| 3.3 实验与分析 | 第32-36页 |
| 3.3.1 实验数据集描述 | 第32-33页 |
| 3.3.2 r_c对核心点分布的影响 | 第33-34页 |
| 3.3.3 参数λ对核心点分布的影响 | 第34-36页 |
| 第四章 CBSC：基于核心点的大数据谱聚类算法 | 第36-40页 |
| 4.1 谱聚类回顾 | 第36页 |
| 4.2 近似谱聚类 | 第36-37页 |
| 4.3 CBSC的算法实现及复杂度分析 | 第37页 |
| 4.4 实验比较与分析 | 第37-40页 |
| 4.4.1 数据集的规模 | 第38-39页 |
| 4.4.2 CBSC与SC的对比实验 | 第39-40页 |
| 第五章 CBAP：基于核心点的大数据AP算法 | 第40-44页 |
| 5.1 近邻传播聚类算法回顾 | 第40页 |
| 5.2 基于核心点的大数据近邻传播算法(CBAP) | 第40-41页 |
| 5.3 实验比较与分析 | 第41-44页 |
| 5.3.1 CBAP算法的有效性的实验 | 第42页 |
| 5.3.2 CBAP算法与AP算法的对比实验 | 第42-44页 |
| 第六章 总结与展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 在学期间的研究成果及发表的学术论文 | 第50页 |