| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 K-均值算法的改进 | 第12页 |
| 1.2.2 DBSCAN算法改进 | 第12-14页 |
| 1.3 未来发展趋势 | 第14-15页 |
| 1.4 论文研究内容和组织结构 | 第15-16页 |
| 第二章 Hadoop平台介绍 | 第16-24页 |
| 2.1 Hadoop技术 | 第16页 |
| 2.2 Hadoop框架 | 第16-23页 |
| 2.2.1 Hadoop Common | 第17-18页 |
| 2.2.2 HDFS核心组件 | 第18-20页 |
| 2.2.3 MapReduce | 第20-21页 |
| 2.2.4 YARN | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于PRBP的改进PRBP-DI分区算法 | 第24-32页 |
| 3.1 数据预处理 | 第24-25页 |
| 3.2 PRBP算法 | 第25-28页 |
| 3.2.1 PRBP算法设计 | 第25-28页 |
| 3.2.2 PRBP算法描述 | 第28页 |
| 3.3 PRBP-DI算法 | 第28-31页 |
| 3.3.1 PRBP-DI算法思想 | 第28-30页 |
| 3.3.2 PRBP-DI算法描述 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 聚类算法DBSCAN改进及并行化 | 第32-41页 |
| 4.1 聚类分析概述 | 第32页 |
| 4.2 划分聚类方法 | 第32-34页 |
| 4.2.1 K-均值算法 | 第32-34页 |
| 4.3 密度聚类方法 | 第34-37页 |
| 4.3.1 DBSCAN | 第34-35页 |
| 4.3.3 DBSCAN算法执行过程 | 第35-37页 |
| 4.4 DBSCAN算法MapReduce并行化 | 第37-40页 |
| 4.4.1 改进的DBSCAN算法思想 | 第37页 |
| 4.4.2 改进DBSCAN算法过程 | 第37-40页 |
| 4.4.3 改进算法优点 | 第40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于Hadoop平台DBSCAN算法实验与结果分析 | 第41-53页 |
| 5.1 PRBP-DI算法分区实验 | 第41-44页 |
| 5.1.1 准确性 | 第41-42页 |
| 5.1.2 PRBP-DI算法效率 | 第42-44页 |
| 5.2 DBSCAN实验及结果分析 | 第44-45页 |
| 5.3 MapReduce化的DBSCAN算法实验 | 第45-49页 |
| 5.4 实验结果分析 | 第49-51页 |
| 5.5 本章小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表的论文及参与的科研项目 | 第59页 |