| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国内研究现状 | 第13-15页 |
| 1.2.2 国外研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 Spark系统环境搭建 | 第18-29页 |
| 2.1 整体架构 | 第18-19页 |
| 2.2 Hadoop架构 | 第19-23页 |
| 2.2.1 HDFS分布式文件系统 | 第20-21页 |
| 2.2.2 MapReduce分布式计算框架 | 第21-22页 |
| 2.2.3 YARN资源管理器 | 第22-23页 |
| 2.3 Spark架构 | 第23-24页 |
| 2.3.1 Spark SQL | 第24页 |
| 2.3.2 Spark Streaming | 第24页 |
| 2.3.3 MLib | 第24页 |
| 2.3.4 GraphX | 第24页 |
| 2.4 Spark开发环境搭建 | 第24-29页 |
| 2.4.1 硬件系统要求 | 第25页 |
| 2.4.2 构造Hadoop分布式集群 | 第25-26页 |
| 2.4.3 构造分布式Spark集群 | 第26-27页 |
| 2.4.4 配置Spark开发环境 | 第27-29页 |
| 第三章 基因数据处理与可视化 | 第29-36页 |
| 3.1 基因数据来源 | 第29-30页 |
| 3.2 初步处理数据 | 第30-31页 |
| 3.3 SparkSQL处理数据 | 第31-33页 |
| 3.3.1 SparkSQL存储数据 | 第31-32页 |
| 3.3.2 SparkSQL查询数据 | 第32页 |
| 3.3.3 SparkSQL与Hive | 第32-33页 |
| 3.4 SparkStreaming处理数据 | 第33-36页 |
| 3.4.1 架构与抽象 | 第33-34页 |
| 3.4.2 SparkStreaming与SparkSQL | 第34页 |
| 3.4.3 数据可视化 | 第34-36页 |
| 第四章 基因数据聚类分析 | 第36-49页 |
| 4.1 Spark MLlib | 第36-37页 |
| 4.1.1 常用算法及优势 | 第36-37页 |
| 4.2 K均值聚类 | 第37-42页 |
| 4.2.1 聚类分析步骤 | 第37-39页 |
| 4.2.2 聚类分析结果 | 第39-40页 |
| 4.2.3 选择K值后聚类 | 第40-42页 |
| 4.3 高斯混合模型聚类 | 第42-47页 |
| 4.3.1 高斯分布与参数估计 | 第43页 |
| 4.3.2 高斯混合模型及EM算法 | 第43-44页 |
| 4.3.3 高斯混合模型聚类分析 | 第44-47页 |
| 4.4 实验总结 | 第47-49页 |
| 4.4.1 实验环境 | 第47页 |
| 4.4.2 数据分析 | 第47-49页 |
| 第五章 实验结果展示 | 第49-54页 |
| 5.1 基因信息展示 | 第49-50页 |
| 5.2 基因数据可视化展示 | 第50-51页 |
| 5.3 K均值聚类结果 | 第51-52页 |
| 5.4 高斯混合模型聚类结果 | 第52-54页 |
| 结论 | 第54-56页 |
| 工作总结 | 第54页 |
| 工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |