資源描述：
《基于云計算網(wǎng)格化均值聚類算法并行化的研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、合肥工業(yè)大學(xué)IIIIIIIIIlUJIIIIIIIMIIIIUlY2315639本論文經(jīng)答辯委員會全體委員審查，確認(rèn)符合合肥工業(yè)大學(xué)碩士學(xué)位論文質(zhì)量要求。答辯委員會簽名：(工作單位、職稱)主席：叫弩毒更認(rèn)引鼉馭彼委貝IZl：鋤堋翎2／2，步咎云J切短導(dǎo)師：胡伺、忡2炊瀚)掰乏?L／彳面f力證言R巴≥也八善南1泌爻獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)志和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得金魍王些太
2、堂或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽字：簽字日期：硼3年相刀月學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解金膽王些太堂有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱或借閱。本人授權(quán)金鯉王些太堂可以將學(xué)位論文的全部或部分論文內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文者簽名：簽字
3、日期：z／叼；年辱月刀．日學(xué)位論文工作單位通訊地址懺導(dǎo)師簽名：豕么乙生簽字日期：衛(wèi)形年駟可日電話：l磁秘甲7礦郵編：礦9／基于云計算的網(wǎng)格化均值聚類算法的并行化研究摘要隨著互聯(lián)網(wǎng)和信息通訊技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)數(shù)據(jù)正以指數(shù)級的速度增長。面對如此海量的網(wǎng)絡(luò)數(shù)據(jù)，如何快速有效地從中提取出潛在的有價值的信息以用于輔助決策，給傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)帶來了巨大的挑戰(zhàn)。最近幾年迅速興起的云計算，因其低廉的運(yùn)行成本和超強(qiáng)的并行化數(shù)據(jù)處理能力，正受到越來越多的國內(nèi)外研究學(xué)者的關(guān)注，也成為海量數(shù)據(jù)挖掘技術(shù)研究的熱點(diǎn)。傳統(tǒng)的數(shù)據(jù)挖掘算
4、法在處理這些高維的、增量式的數(shù)據(jù)集時，雖然具有良好的效果，但其串行的計算方法的時間復(fù)雜度比較高，處理效率也較為低下。本文將傳統(tǒng)的數(shù)據(jù)挖掘算法部署到云計算的環(huán)境中，實(shí)現(xiàn)傳統(tǒng)數(shù)據(jù)挖掘算法的優(yōu)點(diǎn)和云計算的優(yōu)點(diǎn)的融合，從而提高高維、增量式數(shù)據(jù)集的數(shù)據(jù)挖掘效率。其中，主要對網(wǎng)格化均值聚類算法在云計算平臺Hadoop下并行化的關(guān)鍵技術(shù)進(jìn)行了研究。本文首先描述了云計算相關(guān)理論、核心技術(shù)以及云計算平臺Hadoop，接著描述了數(shù)據(jù)挖掘的相關(guān)理論、技術(shù)，著重介紹了其中的聚類分析技術(shù)和基于網(wǎng)格的聚類分析技術(shù)，然后對基于網(wǎng)格的均值聚
5、類算法進(jìn)行了改進(jìn)，并將其應(yīng)用到云計算平臺Hadoop，以實(shí)現(xiàn)其并行化，最后模擬了云計算平臺ltadoop集群環(huán)境，通過實(shí)驗(yàn)對改進(jìn)的網(wǎng)格化均值聚類算法的并行化過程進(jìn)行驗(yàn)證、分析，并提出了下一步的研究方向和需要改進(jìn)的地方。關(guān)鍵詞：云計算；lladoop；網(wǎng)格化；均值聚類算法；K-MeansTheParaHelizationResearchofGridMeansClusteringAlgorithmBasedonCloudComputingABSTRACTWiththerapiddevelopmentoftheIn
6、ternetandlnformationcommunicationtechnology，thenetworkdataisgrowingexponentially．Howtoquicklyandefficientlyextractpotentiallyvaluableinformationfromsuchamassivenetworkdatafordecision—makinghasbroughtgreatchallengestothetraditionaldataminingtechniques．rapidr
7、iseofCloudComputinginrecentyears，becauseofitslowoperatingcostsandsuperiorparalleldataprocessingcapabilities，hasbeengettingmoreandmoreattentionfromthedomesticandforeignresearchersandscholars．Andithasalsobecomeacentralissueintheresearchofmassivedataminingtech
8、niques．Althoughthetraditionaldataminingalgorithmsindealingwiththesehigh—dimensionalandincrementaldatasets，havegoodresults，thetimecomplexityoftheserialcalculatingmethodisrelativelyhighandtheprocessingef
