| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·选题背景 | 第11-12页 |
| ·移动学习 | 第11-12页 |
| ·聚类分析 | 第12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外移动学习研究现状 | 第13页 |
| ·国内移动学习研究现状 | 第13-14页 |
| ·移动学习中的聚类分析研究现状 | 第14页 |
| ·研究内容及意义 | 第14-15页 |
| ·研究内容 | 第14-15页 |
| ·研究意义 | 第15页 |
| ·论文组织结构 | 第15-17页 |
| 第二章 移动学习和聚类分析 | 第17-28页 |
| ·移动学习的概念及特点 | 第17-18页 |
| ·移动学习的概念 | 第17页 |
| ·移动学习的特点 | 第17-18页 |
| ·聚类分析 | 第18-21页 |
| ·聚类的基本概念 | 第19页 |
| ·相似度的度量 | 第19页 |
| ·聚类算法的步骤 | 第19-20页 |
| ·聚类分析的分类 | 第20-21页 |
| ·K-MEANS算法 | 第21-23页 |
| ·K-means概念 | 第21-22页 |
| ·K-means步骤 | 第22页 |
| ·K-means特点 | 第22-23页 |
| ·TWOSTEP算法 | 第23-27页 |
| ·TwoStep简介 | 第23页 |
| ·TwoStep步骤 | 第23-27页 |
| ·TwoStep特点 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 移动学习中的聚类分析实验 | 第28-35页 |
| ·移动学习中的聚类分析背景 | 第28-29页 |
| ·实验简介 | 第28页 |
| ·实验数据采集 | 第28-29页 |
| ·实验数据准备 | 第29页 |
| ·实验环境 | 第29-30页 |
| ·硬件环境 | 第29-30页 |
| ·软件环境 | 第30页 |
| ·TWOSTEP聚类实验 | 第30-34页 |
| ·TwoStep实验内容 | 第30-33页 |
| ·TwoStep实验结果分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于MAP/REDUCE的移动学习数据聚类设计与实现 | 第35-42页 |
| ·MAP/REDUCE技术基础 | 第35-37页 |
| ·Map/Reduce | 第35页 |
| ·HDFS | 第35-37页 |
| ·聚类算法的MAP/REDUCE实现 | 第37-38页 |
| ·聚类算法的选取 | 第37页 |
| ·K-means的Map/Reduce实现 | 第37-38页 |
| ·实验准备 | 第38-39页 |
| ·实验软硬件环境 | 第38-39页 |
| ·数据获取 | 第39页 |
| ·实验仿真与分析 | 第39-41页 |
| ·实验仿真 | 第39-40页 |
| ·实验结果分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| ·总结 | 第42页 |
| ·展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 在校期间参加科研项目、正式发表学术论文 | 第48-49页 |
| 致谢 | 第49页 |