| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-17页 |
| ·课题的研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·课题的研究内容 | 第12-15页 |
| ·论文结构 | 第15-17页 |
| 2 聚类算法与Hadoop基础理论 | 第17-33页 |
| ·聚类算法 | 第17-21页 |
| ·聚类算法的概念 | 第17-18页 |
| ·聚类方法的分类 | 第18-19页 |
| ·K-Means和K-Medoids算法分析 | 第19-21页 |
| ·Top-K和聚类分析抽样算法 | 第21-23页 |
| ·Top-K算法 | 第21-22页 |
| ·聚类分析中的抽样算法 | 第22-23页 |
| ·Hadoop基础理论 | 第23-32页 |
| ·HDFS文件系统 | 第23-28页 |
| ·MapReduce编程模型 | 第28-31页 |
| ·Hadoop的运行模式 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于MapReduce的改进的K-Medoids算法 | 第33-44页 |
| ·传统K-Medoids算法的不足 | 第33-35页 |
| ·改进的K-Medoids算法 | 第35-43页 |
| ·基于Top-K的并行随机采样 | 第35-36页 |
| ·改进的K-Medoids算法设计方案 | 第36-40页 |
| ·新K-Medoids算法描述 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于MapReduce的改进K-Medoids算法的实验结果与分析 | 第44-63页 |
| ·实验环境 | 第44-49页 |
| ·实验环境准备 | 第44-45页 |
| ·Hadoop平台的搭建 | 第45-49页 |
| ·单机实验结果及分析 | 第49-54页 |
| ·单机收敛速度对比 | 第49-50页 |
| ·单机数据负载能力实验 | 第50-52页 |
| ·标准数据集对比实验 | 第52-54页 |
| ·集群测试 | 第54-59页 |
| ·随机采样对比实验 | 第54-55页 |
| ·海量数据集对比试验 | 第55-56页 |
| ·集群负载能力分析 | 第56-58页 |
| ·加速比分析 | 第58-59页 |
| ·Hadoop平台优化测试 | 第59-61页 |
| ·基于HDFS的数据分片调整实验 | 第59-60页 |
| ·基于MapReduce的计算流程优化实验 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |