基于Hadoop的并行谱聚类算法实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文的工作 | 第11-12页 |
| ·本文的结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 Hadoop平台简述 | 第13-25页 |
| ·Hadoop 简介 | 第13页 |
| ·分布式文件系统 HDFS | 第13-19页 |
| ·设计前提与目标 | 第13-14页 |
| ·数据块 | 第14页 |
| ·NameNode 和 DataNode | 第14-16页 |
| ·HDFS 可靠性措施 | 第16-19页 |
| ·并行计算编程思想 MapReduce | 第19-22页 |
| ·MapReduce 编程模型 | 第19-20页 |
| ·MapReduce 的集群行为 | 第20-22页 |
| ·分布式数据库 HBase | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 谱聚类算法综述 | 第25-32页 |
| ·概述 | 第25页 |
| ·谱聚类理论基础 | 第25-30页 |
| ·图的基本概念 | 第25-27页 |
| ·图的拉普拉斯矩阵及其性质 | 第27-28页 |
| ·谱聚类算法的实现 | 第28-30页 |
| ·图划分准则 | 第30-31页 |
| ·最小切(Min-cut)准则 | 第30页 |
| ·率切(Ratio-cut)准则 | 第30-31页 |
| ·平均(Average-cut)切准则 | 第31页 |
| ·最小最大切(Min-max-cut)准则 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 并行谱聚类算法的实现 | 第32-44页 |
| ·并行谱聚类概述 | 第32-33页 |
| ·单机谱聚类算法分析 | 第33-34页 |
| ·并行谱聚类在 Hadoop 上面的实现 | 第34-42页 |
| ·并行化计算相似矩阵 | 第35-36页 |
| ·并行化计算 k 个最小特征向量 | 第36-38页 |
| ·并行化 K-means 聚类 | 第38-42页 |
| ·算法复杂度的分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 并行谱聚类算法的实验 | 第44-58页 |
| ·实验环境的搭建 | 第44-52页 |
| ·完全分布式搭建 Hadoop | 第44-50页 |
| ·搭建分布式数据库 HBase | 第50-52页 |
| ·实验过程及其结果 | 第52-57页 |
| ·实验数据 | 第52页 |
| ·实验分析 | 第52-56页 |
| ·与单机对比 | 第56-57页 |
| ·实验总结 | 第57页 |
| ·本章小结 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |
