| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-13页 |
| ·研究背景和现状 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·本论文组织结构 | 第12-13页 |
| 第2章 云计算及关键技术 | 第13-22页 |
| ·云计算的产生和发展 | 第13-16页 |
| ·云计算的三种服务形式 | 第16-18页 |
| ·云计算的关键技术 | 第18-20页 |
| ·云计算编程模型 | 第18-19页 |
| ·海量数据的分布存储技术 | 第19页 |
| ·海量数据的管理技术 | 第19页 |
| ·虚拟化技术 | 第19-20页 |
| ·云计算平台的管理技术 | 第20页 |
| ·主要云计算平台Hadoop介绍 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 数据挖掘与DBSCAN算法 | 第22-34页 |
| ·数据挖掘的产生和发展 | 第22-24页 |
| ·数据挖掘中的DBSCAN算法 | 第24-25页 |
| ·数据挖掘的分类 | 第25-28页 |
| ·关联分析 | 第25-26页 |
| ·分类和预测 | 第26页 |
| ·聚类分析 | 第26-27页 |
| ·异常检测 | 第27-28页 |
| ·数据挖掘的关键算法及思想 | 第28-32页 |
| ·DBSCAN算法详解 | 第28-31页 |
| ·其他数据挖掘算法 | 第31-32页 |
| ·DBSCAN算法的应用和研究 | 第32-33页 |
| ·DBSCAN算法在电信客户分类中的应用研究 | 第32页 |
| ·DBSCAN算法在桥梁健康检测预测模型中的应用研究 | 第32-33页 |
| ·DBSCAN算法在车辆的超速集中点的聚类研究 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于云计算的DBSCAN算法研究 | 第34-58页 |
| ·基于云计算的DBSCAN聚类算法面临的问题 | 第34-35页 |
| ·DBSCAN聚类算法存在的问题 | 第34页 |
| ·基于云计算的聚类算法面临的问题 | 第34-35页 |
| ·解决问题的方向 | 第35-38页 |
| ·解决DBSCAN算法的不足 | 第35-37页 |
| ·解决云计算平台和数据挖掘技术的兼容问题 | 第37-38页 |
| ·基于云计算的DBSCAN算法研究与设计 | 第38-57页 |
| ·研究背景与项目支持 | 第38-41页 |
| ·海量数据压缩方法 | 第41-42页 |
| ·基于网格控制因子的数据分区 | 第42-52页 |
| ·基于云计算的DBSCAN算法研究 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 实验验证 | 第58-62页 |
| ·数据准备 | 第58页 |
| ·配置Hadoop的实验环境 | 第58-59页 |
| ·Eclipse下的Hadoop的实现 | 第59-60页 |
| ·结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |