| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 云平台研究现状 | 第12-13页 |
| 1.2.2 数据挖掘研究现状 | 第13-14页 |
| 1.3 论文研究目标及内容 | 第14-15页 |
| 1.4 论文内容结构 | 第15-16页 |
| 1.5 本章小节 | 第16-17页 |
| 第二章 相关知识介绍 | 第17-31页 |
| 2.1 现有云平台概述 | 第17-21页 |
| 2.1.1 亚马逊云平台 | 第17-18页 |
| 2.1.2 Google云平台 | 第18页 |
| 2.1.3 IBM蓝云平台 | 第18-19页 |
| 2.1.4 Hadoop | 第19-21页 |
| 2.2 并行计算模型概述 | 第21-26页 |
| 2.2.1 传统并行计算模型 | 第21-22页 |
| 2.2.2 MapReduce | 第22-23页 |
| 2.2.3 Spark | 第23-26页 |
| 2.3 聚类算法概述 | 第26-28页 |
| 2.3.1 基于层次的聚类 | 第26-27页 |
| 2.3.2 基于划分的聚类 | 第27页 |
| 2.3.3 基于网格的聚类 | 第27页 |
| 2.3.4 基于密度的聚类 | 第27-28页 |
| 2.3.5 基于神经网络的聚类 | 第28页 |
| 2.4 回归算法概述 | 第28-30页 |
| 2.4.1 线性回归 | 第28页 |
| 2.4.2 Logistic回归 | 第28-29页 |
| 2.4.3 泊松回归 | 第29页 |
| 2.4.4 Cox回归 | 第29页 |
| 2.4.5 加权回归 | 第29-30页 |
| 2.5 本章小节 | 第30-31页 |
| 第三章 基于密度的聚类算法DBSCAN并行化改进 | 第31-53页 |
| 3.1 DBSCAN算法思想 | 第31-35页 |
| 3.1.1 算法定义 | 第31-32页 |
| 3.1.2 算法流程 | 第32-34页 |
| 3.1.3 算法局限性分析 | 第34-35页 |
| 3.2 现有的并行DBSCAN算法 | 第35-38页 |
| 3.2.1 算法并行化思想 | 第35-37页 |
| 3.2.2 算法存在的问题 | 第37-38页 |
| 3.3 改进的并行DBSCAN算法S_DBSCAN | 第38-44页 |
| 3.4 改进的S_DBSCAN算法在SPARK上实现 | 第44-47页 |
| 3.4.1 基于随机采样的数据划分 | 第44页 |
| 3.4.2 并行计算本地DBSCAN算法 | 第44-45页 |
| 3.4.3 基于重心的数据分区合并 | 第45-47页 |
| 3.5 实验及结果 | 第47-52页 |
| 3.5.1 数据来源 | 第47页 |
| 3.5.2 聚类结果分析 | 第47-50页 |
| 3.5.3 运行时间 | 第50-51页 |
| 3.5.4 运行效率对比 | 第51页 |
| 3.5.5 加速比 | 第51-52页 |
| 3.6 本章小节 | 第52-53页 |
| 第四章 局部加权回归LWLR算法的并行化改进 | 第53-71页 |
| 4.1 LWLR算法流程 | 第53-56页 |
| 4.1.1 近邻矩阵 | 第54页 |
| 4.1.2 最小二乘拟合 | 第54-55页 |
| 4.1.3 产生预测结果 | 第55-56页 |
| 4.2 现有的并行LWLR算法 | 第56-58页 |
| 4.2.1 算法并行化思想 | 第56-58页 |
| 4.2.2 算法存在的问题 | 第58页 |
| 4.3 改进的并行LWLR算法 | 第58-63页 |
| 4.4 改进的LWLR算法在SPARK上实现 | 第63-66页 |
| 4.4.1 数据分片 | 第64页 |
| 4.4.2 并行索引构建 | 第64-65页 |
| 4.4.3 并行近邻搜索 | 第65-66页 |
| 4.4.4 生成回归分析结果 | 第66页 |
| 4.5 实验及结果 | 第66-70页 |
| 4.5.1 数据来源 | 第66-67页 |
| 4.5.2 运行时间 | 第67-68页 |
| 4.5.3 加速比 | 第68-69页 |
| 4.5.4 运行效率对比 | 第69页 |
| 4.5.5 回归误差对比 | 第69-70页 |
| 4.6 本章小节 | 第70-71页 |
| 第五章 基于云平台的数据挖掘分析系统的设计与实现 | 第71-82页 |
| 5.1 平台简介 | 第71页 |
| 5.1.1 系统目标 | 第71页 |
| 5.1.2 开发环境 | 第71页 |
| 5.2 系统架构与功能模块 | 第71-76页 |
| 5.2.1 系统架构 | 第72-73页 |
| 5.2.2 系统功能模块 | 第73-76页 |
| 5.3 应用案例 | 第76-81页 |
| 5.3.1 数据来源 | 第77页 |
| 5.3.2 具体应用 | 第77-81页 |
| 5.4 本章小节 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 攻硕期间取得的成果 | 第88-89页 |