| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 串行社区发现算法研究现状 | 第10-11页 |
| 1.2.2 并行社区发现算法研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 相关理论知识和技术 | 第13-21页 |
| 2.1 社区发现理论 | 第13-15页 |
| 2.1.1 社区发现含义 | 第13页 |
| 2.1.2 图相关概念 | 第13-14页 |
| 2.1.3 社区发现算法评价指标 | 第14-15页 |
| 2.2 Hadoop平台介绍 | 第15-19页 |
| 2.2.1 Hadoop平台概述 | 第15-16页 |
| 2.2.2 分布式文件系统Hdfs | 第16-17页 |
| 2.2.3 分布式编程模型MapReduce | 第17-18页 |
| 2.2.4 传统的并行框架和MapReduce的区别 | 第18-19页 |
| 2.3 Web服务 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 社区发现相关算法 | 第21-28页 |
| 3.1 社区发现串行算法 | 第21-22页 |
| 3.1.1 Fast-Newman算法 | 第21页 |
| 3.1.2 标签传递算法 | 第21-22页 |
| 3.2 社区发现并行算法 | 第22-27页 |
| 3.2.1 基于极大团思想的社区发现并行算法 | 第22-24页 |
| 3.2.2 基于Louvain算法的社区发现并行算法 | 第24-25页 |
| 3.2.3 基于GN算法的社区发现并行算法 | 第25-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 基于Hadoop的社区发现算法详细设计 | 第28-43页 |
| 4.1 基于Hadoop框架调度的Fast-Newman算法并行化改进 | 第28-31页 |
| 4.1.1 算法思路 | 第28页 |
| 4.1.2 算法设计 | 第28-30页 |
| 4.1.3 加速比分析 | 第30-31页 |
| 4.2 基于Hadoop的Fast-Unfolding算法并行化设计 | 第31-42页 |
| 4.2.1 算法思路 | 第31-33页 |
| 4.2.2 算法设计 | 第33-42页 |
| 4.2.3 加速比分析 | 第42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 实验及结果分析 | 第43-50页 |
| 5.1 实验环境 | 第43-44页 |
| 5.2 实验数据集 | 第44-45页 |
| 5.3 实验过程及结果分析 | 第45-49页 |
| 5.3.1 一次karate网络并行化过程 | 第45-48页 |
| 5.3.2 实验结果分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 工作总结 | 第50页 |
| 6.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
