基于大数据的高考志愿数据分析关键技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文组织结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 相关理论和技术 | 第13-23页 |
| 2.1 分布式系统 | 第13-15页 |
| 2.1.1 分布式系统定义 | 第13页 |
| 2.1.2 分布式系统模型 | 第13-15页 |
| 2.2 Hadoop分布式平台 | 第15-19页 |
| 2.2.1 Hadoop分布式文件系统 | 第16-18页 |
| 2.2.2 MapReduce计算框架 | 第18-19页 |
| 2.3 相关算法 | 第19-22页 |
| 2.3.1 遗传算法 | 第19-20页 |
| 2.3.2 基于用户的协同过滤算法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于Hadoop的数据处理模型 | 第23-30页 |
| 3.1 系统总体架构设计 | 第23-24页 |
| 3.2 核心控制节点设计 | 第24-26页 |
| 3.2.1 核心控制节点结构 | 第24-25页 |
| 3.2.2 核心控制节点处理过程 | 第25-26页 |
| 3.3 数据计算节点 | 第26-27页 |
| 3.3.1 数据计算节点结构 | 第26页 |
| 3.3.2 计算节点处理过程 | 第26-27页 |
| 3.4 数据预处理节点设计 | 第27-29页 |
| 3.4.1 数据预处理节点结构 | 第27-28页 |
| 3.4.2 数据预处理过程 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于遗传算法的任务调度算法 | 第30-39页 |
| 4.1 Hadoop平台任务调度问题概述 | 第30-31页 |
| 4.2 基于遗传算法的任务调度算法 | 第31-34页 |
| 4.2.1 编码与解码 | 第31-32页 |
| 4.2.2 确定适应度函数 | 第32-33页 |
| 4.2.3 遗传操作方法 | 第33-34页 |
| 4.3 任务调度算法基本过程 | 第34-35页 |
| 4.3.1 算法相关参数 | 第34页 |
| 4.3.2 算法基本步骤 | 第34-35页 |
| 4.4 实验对比分析 | 第35-38页 |
| 4.4.1 实验环境 | 第35-36页 |
| 4.4.2 任务总响应时间对比 | 第36-37页 |
| 4.4.3 任务执行成本对比 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 基于协同过滤的志愿推荐算法 | 第39-47页 |
| 5.1 志愿推荐问题概述 | 第39页 |
| 5.2 基于协同过滤的志愿推荐算法 | 第39-42页 |
| 5.2.1 构建评分矩阵 | 第39-40页 |
| 5.2.2 用户相似性计算 | 第40页 |
| 5.2.3 生成推荐集 | 第40-41页 |
| 5.2.4 推荐集优化 | 第41-42页 |
| 5.3 推荐算法基本过程 | 第42页 |
| 5.4 算法的并行化实现 | 第42-43页 |
| 5.5 实验与结果 | 第43-46页 |
| 5.5.1 实验数据处理 | 第43-44页 |
| 5.5.2 算法准确率对比实验 | 第44-45页 |
| 5.5.3 算法在不同数量节点下的运行效率 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-48页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士期间参与发表的论文及项目实践 | 第51页 |
