| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文工作 | 第11页 |
| 1.4 本文组织结构 | 第11-12页 |
| 第2章 HADOOP 平台概述 | 第12-22页 |
| 2.1 HADOOP 平台概况 | 第12-14页 |
| 2.1.1 Hadoop 背景 | 第12-13页 |
| 2.1.2 Hadoop 基础架构 | 第13页 |
| 2.1.3 Hadoop 平台的特点 | 第13-14页 |
| 2.2 HDFS（HADOOP 分布式文件系统）简介 | 第14-17页 |
| 2.2.1 HDFS 基础架构 | 第14-15页 |
| 2.2.2 HDFS 保障可靠性措施 | 第15-17页 |
| 2.2.3 HDFS 提升性能的措施 | 第17页 |
| 2.3 MAPREDUCE 编程模型 | 第17-21页 |
| 2.3.1 MapReduce 简介 | 第17-18页 |
| 2.3.2 MapReduce 操作 | 第18-19页 |
| 2.3.3 MapReduce 执行流程 | 第19-20页 |
| 2.3.4 MapReduce 与 MPI | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于链接社区的重叠社区发现算法 | 第22-28页 |
| 3.1 算法思想 | 第22-24页 |
| 3.2 连接相似度（LINK SIMILARITY） | 第24-25页 |
| 3.3 分割密度（PARTITION DENSITY） | 第25-26页 |
| 3.4 算法过程 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 基于 HADOOP 平台和链接社区的重叠社区发现算法 | 第28-44页 |
| 4.1 并行化分析 | 第28-29页 |
| 4.2 算法实现 | 第29-43页 |
| 4.2.1 数据预处理 | 第29-31页 |
| 4.2.2 生成邻接表 | 第31-33页 |
| 4.2.3 生成边邻居节点集合 | 第33-34页 |
| 4.2.4 生成相似度矩阵 | 第34-36页 |
| 4.2.5 合并社区 | 第36-38页 |
| 4.2.6 计算分割密度 | 第38-40页 |
| 4.2.7 更新相似度矩阵 | 第40-42页 |
| 4.2.8 输出结果 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 实验结果分析 | 第44-53页 |
| 5.1 实验环境 | 第44-45页 |
| 5.2 HADOOP 安装 | 第45-49页 |
| 5.3 实验结果 | 第49-51页 |
| 5.4 本章小结 | 第51-53页 |
| 第6章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
