声明
摘要
第一章 引言
§1.1 研究背景及意义
§1.2 内容安排
第二章 聚类问题的相关工作
§2.1 多维数据聚类的相关工作
§2.1.1 基于K-Means多维数据聚类的相关工作
§2.2 图上聚类问题及其相关工作
§2.2.1 图的基本概念
§2.2.2 LPA标号传播图聚类算法
第三章 KBAC自适应聚类
§3.1 基于K-Means的自适应聚类
§3.1.1 算法主要思想:从样本空间聚类到图社团发现
§3.1.2 概念及定义
§3.1.3 KBAC算法框架描述
§3.1.4 算法复杂度分析
§3.2 KBAC聚类算法在云平台上的实现优化
§3.2.1 MapReduce云计算框架简介
§3.2.2 基于R-tree对K-Means在MapReduce下的优化
§3.3 实验分析
§3.3.1 实验数据
§3.3.2 聚类结果的参数敏感性评估
§3.3.3 KBAC在hadoop云平台下聚类的可伸缩性和准确性评估
§3.4 本章小结
第四章 软件模块的聚类
§4.1 软件聚类简介
§4.1.1 软件聚类相关工作
§4.1.2 软件聚类面临的挑战
§4.1.3 本工作的主要贡献
§4.2 两阶段软件聚类算法
§4.2.1 概念以及定义
§4.2.2 软件源码的分析
§4.2.3 软件模块的层次聚类
§4.3 聚类结果的命名
§4.3.1 模块命名算法
§4.4 聚类结果的可视化
§4.4.1 聚类结果可视化的实现
§4.4.2 对聚类结果的动态展示
§4.4.3 对聚类结果的操作
§4.5 案例分析
§4.5.1 分析项目Weka简介
§4.5.2 Weka项目的软件聚类过程
§4.5.3 Weka项目聚类结果的可视化
§4.5.4 聚类结果的合理性评估
§4.5.5 该软件聚类工具的试用反馈
§4.6 本章小结
第五章 总结与展望
§5.1 论文总结
§5.2 展望
参考文献
硕士期间发表的论文
致谢