| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 κ-means聚类的研究现状 | 第9-13页 |
| 1.3 论文主要内容与结构 | 第13-15页 |
| 2 聚类分析及κ-means聚类算法 | 第15-27页 |
| 2.1 聚类分析相关内容 | 第15-23页 |
| 2.1.1 聚类分析的相似性度量 | 第16-18页 |
| 2.1.2 聚类目标函数 | 第18-20页 |
| 2.1.3 常用聚类方法 | 第20-23页 |
| 2.2 κ-means聚类算法 | 第23-26页 |
| 2.2.1 κ-means聚类算法步骤 | 第23-24页 |
| 2.2.2 κ-means聚类算法分析 | 第24-26页 |
| 2.3 小结 | 第26-27页 |
| 3 基于MapReduce的并行κ-means算法 | 第27-38页 |
| 3.1 MapReduce模型 | 第27-29页 |
| 3.2 基于MapReduce的并行κ-means算法 | 第29-31页 |
| 3.2.1 并行策略 | 第29-30页 |
| 3.2.2 基于MapReduce的并行κ-means算法基本流程 | 第30-31页 |
| 3.3 仿真实例分析 | 第31-36页 |
| 3.3.1 实验平台 | 第31-32页 |
| 3.3.2 UCI数据结果比较 | 第32-33页 |
| 3.3.3 遥感数据仿真及集群性能测试 | 第33-36页 |
| 3.4 小结 | 第36-38页 |
| 4 基于差分进化的加权κ-means算法 | 第38-50页 |
| 4.1 差分进化算法 | 第38-41页 |
| 4.2 基于差分进化的加权κ-means算法 | 第41-45页 |
| 4.2.1 基于差分进化的初始聚类中心的选择 | 第41-43页 |
| 4.2.2 加权欧氏距离 | 第43-44页 |
| 4.2.3 基于差分进化的加权κ-means算法基本步骤 | 第44-45页 |
| 4.3 仿真实验 | 第45-49页 |
| 4.3.1 UCI仿真结果 | 第45-47页 |
| 4.3.2 扎龙湿地遥感图像聚类结果比较 | 第47-49页 |
| 4.4 小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
