| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.3.1 国内研究现状 | 第10-11页 |
| 1.3.2 国外研究现状 | 第11页 |
| 1.4 研究内容及创新点 | 第11-12页 |
| 1.4.1 研究内容 | 第11-12页 |
| 1.4.2 论文主要创新点 | 第12页 |
| 1.5 论文结构 | 第12-14页 |
| 第2章 相关技术综述 | 第14-29页 |
| 2.1 流数据 | 第14-18页 |
| 2.1.1 流数据的定义 | 第14-15页 |
| 2.1.2 流数据挖掘技术 | 第15-17页 |
| 2.1.3 流数据的基本模型 | 第17-18页 |
| 2.2 聚类分析 | 第18-21页 |
| 2.2.1 聚类分析的定义 | 第18-19页 |
| 2.2.2 流数据聚类算法的要求 | 第19页 |
| 2.2.3 流数据聚类算法 | 第19-21页 |
| 2.3 MapReduce编程模型 | 第21-25页 |
| 2.3.1 MapReduce工作原理 | 第21-23页 |
| 2.3.2 MapReduce容错机制 | 第23页 |
| 2.3.3 MapReduce在Hadoop2.0 中的实现 | 第23-25页 |
| 2.4 Spark计算框架 | 第25-28页 |
| 2.4.1 Spark工作原理 | 第26-27页 |
| 2.4.2 弹性分布式数据集RDD | 第27-28页 |
| 2.4.3 Spark Streaming实时流处理 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于双层架构的流数据聚类算法 | 第29-36页 |
| 3.1 引言 | 第29页 |
| 3.2 基本概念 | 第29-31页 |
| 3.3 双层架构流数据聚类算法 | 第31-33页 |
| 3.3.1 在线微聚类算法 | 第31-32页 |
| 3.3.2 离线宏聚类算法 | 第32-33页 |
| 3.4 实验及结果分析 | 第33-35页 |
| 3.4.1 实验环境及实验数据 | 第33页 |
| 3.4.2 实验结果分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于Spark平台的并行化聚类算法 | 第36-47页 |
| 4.1 引言 | 第36页 |
| 4.2 CluStream算法 | 第36-38页 |
| 4.2.1 算法思想 | 第36-37页 |
| 4.2.2 算法框架 | 第37-38页 |
| 4.3 集群环境下CluStream聚类算法的并行化 | 第38-40页 |
| 4.3.1 基于Spark的CluStream并行化架构 | 第38-39页 |
| 4.3.2 Spark计算框架下的并行化CluStream算法 | 第39-40页 |
| 4.4 集群计算环境下CluWin-GA算法的并行化 | 第40-41页 |
| 4.4.1 滑动窗.处理过程 | 第40-41页 |
| 4.4.2 基于Spark的并行化CluWin-GA聚类算法 | 第41页 |
| 4.5 实验设计与分析 | 第41-46页 |
| 4.5.1 实验环境 | 第41-42页 |
| 4.5.2 实验平台搭建与部署 | 第42-44页 |
| 4.5.3 实验过程及结果分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 结论与展望 | 第47-49页 |
| 5.1 结论 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 在读期间发表的学术论文及研究成果 | 第52-53页 |
| 致谢 | 第53页 |
