摘要：随着数据的爆炸式增长,聚类研究作为大数据的核心问题之一,正面临计算复杂度高和计算能力不足等诸多问题。提出了一种基于Hadoop的分布式改进K-means算法,该算法通过引入Canopy算法初始化K-means算法的聚类中心,克服传统K-means算法因初始中心点的不确定性,易陷入局部最优解的问题。本算法在Canopy(罩盖)中完成K-means聚类,并在Canopy间完成簇的合并,聚类效果稳定,迭代次数少。同时,结合MapReduce分布式计算模型,给出改进后算法的并行化设计方法和策略,进一步通过改进相似度度量方法,将该方法用于文本聚类中。实验结果证明该算法具有良好的准确率和扩展性。

摘要：随着云计算、互联网、大数据、P2P通信技术的快速发展,去中心化的SNS网络已经得到了广泛的普及和应用,吸引了越来越多的用户使用。论文详细地分析了去中心SNS平台功能架构,并且描述了去中心化SNS平台的关键技术,主要包括网络技术和数据库技术的快速发展。

摘要：传统的博物馆公告系统采用Web1.0模式开发,系统只能进行单向的消息发布,用户除了能进行消息浏览外,不能充分参与消息和公告的评论,因而网站不具备用户交互能力。鉴于此,笔者采用基于Web2.0模式设计了一个新的博物馆公告系统,该系统不仅能为用户提供新闻与公告的浏览功能,而且为能用户提供新闻与公告的评论功能。同时,为保证新闻的准确性与信息的安全性,系统设计为二级管理员模式,由普通管理员负责各个新闻子版块的新闻编辑,超级管理员负责新闻和公告的审核和发布。