| 中文摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基因数据分析研究现状 | 第12-13页 |
| 1.2.2 云平台下的数据挖掘现状 | 第13-14页 |
| 1.3 内容安排 | 第14-16页 |
| 第二章 相关技术 | 第16-23页 |
| 2.1 云平台介绍 | 第16-22页 |
| 2.1.1 MapReduce框架 | 第17-18页 |
| 2.1.2 HDFS存储 | 第18-19页 |
| 2.1.3 Mahout技术 | 第19-21页 |
| 2.1.4 Spark技术 | 第21-22页 |
| 2.2 生物信息学 | 第22-23页 |
| 第三章 算法分析 | 第23-32页 |
| 3.1 聚类分析 | 第23-25页 |
| 3.1.1 聚类算法 | 第23-24页 |
| 3.1.2 K-means聚类 | 第24-25页 |
| 3.2 分类分析 | 第25-28页 |
| 3.2.1 决策树算法分析 | 第26-28页 |
| 3.2.2 随机森林算法分析 | 第28页 |
| 3.3 度量计算分析 | 第28-32页 |
| 3.3.1 欧式距离 | 第28-29页 |
| 3.3.2 皮尔森相关系数 | 第29页 |
| 3.3.3 余弦相似度 | 第29-30页 |
| 3.3.4 信息增益的计算方式 | 第30页 |
| 3.3.5 评估方式 | 第30-32页 |
| 第四章 基于Spark+Hadoop的算法设计 | 第32-41页 |
| 4.1 Spark内核架构基本原理 | 第32-34页 |
| 4.2 并行聚类在Spark+Hadoop平台上的实现 | 第34-36页 |
| 4.2.1 聚类中心点的选取 | 第34-35页 |
| 4.2.2 并行K-means的具体执行过程 | 第35-36页 |
| 4.3 并行分类在Spark+Hadoop平台上的实现 | 第36-40页 |
| 4.3.1 树节点的选取划分 | 第37页 |
| 4.3.2 随机森林的具体执行过程 | 第37-40页 |
| 4.4 基于Spark算法分析总结 | 第40-41页 |
| 第五章 基于Spark+Hadoop的结果分析 | 第41-45页 |
| 5.1 实验环境的搭建 | 第41页 |
| 5.2 实验过程及其结果 | 第41-45页 |
| 5.2.1 实验数据 | 第41-43页 |
| 5.2.2 实验分析 | 第43-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 工作总结 | 第45-46页 |
| 6.2 工作展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间发表的论文及参与项目 | 第51页 |