| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 聚类算法研究现状 | 第11-13页 |
| 1.2.2 k-means算法研究现状 | 第13-17页 |
| 1.3 论文主要内容和组织结构 | 第17-19页 |
| 1.3.1 论文主要内容 | 第17-18页 |
| 1.3.2 论文组织结构 | 第18-19页 |
| 第二章 相关基础知识 | 第19-25页 |
| 2.1 k-means聚类算法 | 第19-20页 |
| 2.1.1 算法的思想 | 第19页 |
| 2.1.2 算法的特点 | 第19-20页 |
| 2.2 粒子群优化算法 | 第20-22页 |
| 2.2.1 算法的原理 | 第20-21页 |
| 2.2.2 算法的流程 | 第21-22页 |
| 2.3 Hadoop架构简介 | 第22-24页 |
| 2.3.1 MapReduce介绍 | 第22-23页 |
| 2.3.2 HDFS介绍 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于改进粒子群优化算法的k-means聚类算法 | 第25-40页 |
| 3.1 引言 | 第25-26页 |
| 3.2 相关工作分析 | 第26-27页 |
| 3.3 基于改进粒子群优化算法的k-means算法 | 第27-34页 |
| 3.3.1 粒子群编码方案及适应度评价 | 第28-29页 |
| 3.3.2 粒子群算法的参数设置 | 第29-31页 |
| 3.3.3 粒子群优化算法与k-means算法的转换时机 | 第31页 |
| 3.3.4 粒子变异操作 | 第31-32页 |
| 3.3.5 改进算法的描述 | 第32-34页 |
| 3.4 实验结果与性能分析 | 第34-39页 |
| 3.4.1 实验数据的准备 | 第34-36页 |
| 3.4.2 实验结果与性能分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 改进聚类算法的MapReduce并行化 | 第40-49页 |
| 4.1 改进算法基于MapReduce的并行化策略 | 第40-46页 |
| 4.1.1 粒子群初始化的MapReduce设计 | 第40-42页 |
| 4.1.2 粒子群迭代的MapReduce设计 | 第42-43页 |
| 4.1.3 k-means迭代的MapReduce设计 | 第43-45页 |
| 4.1.4 聚类结果输出的MapReduce设计 | 第45-46页 |
| 4.2 实验结果与性能分析 | 第46-48页 |
| 4.2.1 实验环境部署 | 第46-47页 |
| 4.2.2 实验结果与性能分析 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-52页 |
| 5.1 本文的总结 | 第49-51页 |
| 5.2 未来的工作 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表论文情况 | 第59页 |
