| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目次 | 第10-12页 |
| 图清单 | 第12-14页 |
| 1 绪论 | 第14-25页 |
| ·课题研究的背景及意义 | 第14-16页 |
| ·相关的研究工作 | 第16-21页 |
| ·聚类算法 | 第16-21页 |
| ·论文主要研究内容及创新 | 第21-24页 |
| ·论文的组织结构 | 第24-25页 |
| 2 数据布局算法 | 第25-35页 |
| ·数据布局的国内外现状 | 第25-33页 |
| ·一致 hash 算法 | 第26-29页 |
| ·基于数据中心容量聚类的数据布局算法 | 第29-31页 |
| ·其他数据布局算法 | 第31-33页 |
| ·未来需求的数据布局算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 3 基于数据关联性聚类的数据布局算法 DPBDD 的设计 | 第35-49页 |
| ·建立关联矩阵 Y 的算法 | 第35-37页 |
| ·由关联矩阵 Y 变换得到聚类矩阵 G | 第37-40页 |
| ·BEA 算法 | 第37-39页 |
| ·由关联矩阵变化生成聚类矩阵 G 的算法 | 第39-40页 |
| ·分割聚类关联矩阵 G 并存储数据到数据中心的算法 | 第40-43页 |
| ·元应用的执行 | 第43页 |
| ·实验设计和结果对比 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 4 基于 K-MEANS 考虑增量数据布局的 DPBDD-K 算法的设计 | 第49-58页 |
| ·K-means 算法简介 | 第49-51页 |
| ·DPBDD-k 算法 | 第51-57页 |
| ·DPBDD-k 算法具体实现 | 第51-53页 |
| ·实验结果和结论 | 第53-57页 |
| ·本章小节 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| ·论文工作总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简历 | 第63页 |
