首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于MapReduce的聚类算法并行化研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-13页
    1.1 课题的背景和意义第9页
    1.2 国内外研究现状第9-11页
    1.3 本文研究内容第11页
    1.4 本文组织结构第11-13页
第二章 聚类算法概述第13-21页
    2.1 聚类算法分类第13-17页
        2.1.1 基于划分的聚类第13-14页
        2.1.2 基于层次的聚类第14页
        2.1.3 基于密度的聚类第14-15页
        2.1.4 基于网格的聚类第15页
        2.1.5 基于模型的聚类第15-16页
        2.1.6 高维数据聚类第16页
        2.1.7 神经网络聚类第16-17页
    2.2 K-means聚类算法第17-18页
        2.2.1 K-means算法思想第17-18页
        2.2.2 K-means算法步骤第18页
    2.3 DBSCAN聚类算法第18-20页
        2.3.1 DBSCAN算法思想第18-19页
        2.3.2 DBSCAN算法流程第19-20页
    2.4 本章小结第20-21页
第三章 并行计算模型简介第21-33页
    3.1 传统并行计算模型第21-26页
        3.1.1 MPI模型第21-22页
        3.1.2 PVM模型第22-23页
        3.1.3 OpenMP模型第23-24页
        3.1.4 Intel TBB模型第24-25页
        3.1.5 Cilk++模型第25-26页
    3.2 MapReduce并行计算模型第26-31页
        3.2.1 概述第26-28页
        3.2.2 执行流程第28-29页
        3.2.3 容错机制第29页
        3.2.4 Hadoop云计算平台第29-31页
    3.3 MapReduce与其他并行计算模型的比较第31页
    3.4 本章小结第31-33页
第四章 基于MapReduce的并行K-means聚类算法第33-42页
    4.1 算法思想第33-35页
    4.2 数据划分方式第35-37页
        4.2.1 基于密度的划分方式第35-36页
        4.2.2 折半划分方式第36-37页
    4.3 HPKBDP算法的设计第37-39页
    4.4 实验结果与分析第39-41页
    4.5 本章小结第41-42页
第五章 基于MapReduce的并行DBSCAN聚类算法第42-57页
    5.1 DBSCAN-MR算法思想第42-44页
    5.2 数据划分阶段第44-48页
        5.2.1 PRBP算法第44-46页
        5.2.2 FPRBP算法第46-48页
    5.3 DBSCAN-Map阶段第48-52页
        5.3.1 DBSCAN-Map阶段流程第48-49页
        5.3.2 FDBSCAN算法第49-52页
    5.4 DBSCAN-Reduce阶段第52-53页
    5.5 结果合并阶段第53-54页
    5.6 类别重新标记阶段第54-55页
    5.7 实验结果与分析第55-56页
    5.8 本章小结第56-57页
第六章 总结与展望第57-59页
    6.1 总结第57页
    6.2 展望第57-59页
参考文献第59-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:武汉市城市化水文效应分析
下一篇:氧化应激对肉鸡肠道粘膜屏障功能的影响以及缓解肠道氧化损伤物质的研究