| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 论文的研究目的与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要的研究内容 | 第11-12页 |
| 1.4 文章的组织结构 | 第12-13页 |
| 第二章 相关理论与技术 | 第13-28页 |
| 2.1 数据挖掘与流数据挖掘概述 | 第13-16页 |
| 2.1.1 数据挖掘概述 | 第13-14页 |
| 2.1.2 流数据的特点 | 第14-15页 |
| 2.1.3 流数据挖掘的关键技术 | 第15-16页 |
| 2.2 聚类与流数据聚类概述 | 第16-21页 |
| 2.2.1 聚类 | 第16-18页 |
| 2.2.2 流聚类 | 第18页 |
| 2.2.3 经典流聚类相关算法分析 | 第18-20页 |
| 2.2.4 流数据聚类算法面临的挑战 | 第20-21页 |
| 2.3 流数据计算相关概念 | 第21-27页 |
| 2.3.1 流数据计算的关键技术 | 第21-22页 |
| 2.3.2 开源流计算系统 | 第22-24页 |
| 2.3.3 流计算平台Storm | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 分布式并行化流聚类算法及其基于Storm的实现方案研究 | 第28-44页 |
| 3.1 CluStream算法 | 第28-31页 |
| 3.1.1 CluStream算法概述 | 第28-29页 |
| 3.1.2 微簇与微簇构建过程 | 第29页 |
| 3.1.3 金字塔时间帧结构 | 第29-30页 |
| 3.1.4 CluStream算法的不足 | 第30-31页 |
| 3.2 分布式并行化流聚类算法DPRCluStream的设计 | 第31-35页 |
| 3.2.1 DPRCluStream算法基本思想 | 第31页 |
| 3.2.2 DPRCluStream算法描述 | 第31-35页 |
| 3.3 DPRCluStream算法基于Storm平台的实现方案设计 | 第35-37页 |
| 3.3.1 在Storm平台上实现DPRCluStream算法的难点分析 | 第35-36页 |
| 3.3.2 DPRCluStream算法在Storm上的实现方案 | 第36-37页 |
| 3.4 基于Storm的DPRCluStream算法实验与结果分析 | 第37-43页 |
| 3.4.1 实验数据集与实验环境 | 第37-38页 |
| 3.4.2 Storm环境与配置 | 第38-41页 |
| 3.4.3 实验结果分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于马氏距离的流聚类算法及其基于Storm的实现方案研究 | 第44-57页 |
| 4.1 基于马氏距离的流聚类算法M-Clustering | 第44-52页 |
| 4.1.1 距离度量方法与马氏距离 | 第44-47页 |
| 4.1.2 M-Clustering算法基本思想 | 第47-48页 |
| 4.1.3 M-Clustering算法描述 | 第48-52页 |
| 4.2 M-Clustering算法基于Storm平台的实现方案设计 | 第52-53页 |
| 4.3 M-Clustering算法实验与结果分析 | 第53-56页 |
| 4.3.1 实验数据集与实验环境 | 第53-54页 |
| 4.3.2 实验结果分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 结束语 | 第57-59页 |
| 5.1 工作总结 | 第57页 |
| 5.2 未来展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |
