| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 数据流研究现状 | 第16-17页 |
| 1.2.2 Top-k查询研究现状 | 第17-20页 |
| 1.2.3 复杂事件处理研究现状 | 第20-21页 |
| 1.3 本文的主要内容 | 第21-22页 |
| 1.4 本文的组织结构 | 第22-23页 |
| 第2章 基本理论和相关研究 | 第23-36页 |
| 2.1 TOP-K查询算法分类体系 | 第23-24页 |
| 2.2 复杂事件处理概述 | 第24-26页 |
| 2.2.1 复杂事件处理流程及特征 | 第24页 |
| 2.2.2 复杂事件处理引擎体系结构 | 第24-25页 |
| 2.2.3 规则定义 | 第25页 |
| 2.2.4 事件检测模型 | 第25-26页 |
| 2.3 数据流概述 | 第26-29页 |
| 2.3.1 数据流特点 | 第26-27页 |
| 2.3.2 数据流模型 | 第27页 |
| 2.3.3 数据流窗口类型 | 第27-29页 |
| 2.4 大数据计算模式 | 第29-30页 |
| 2.5 数据流算法的常用技术 | 第30-31页 |
| 2.6 开源流式计算系统 | 第31-34页 |
| 2.7 本章小结 | 第34-36页 |
| 第3章 动态自适应分区技术的TOP-K连续查询算法 | 第36-48页 |
| 3.1 问题背景 | 第36-37页 |
| 3.2 问题描述 | 第37-39页 |
| 3.2.1 滑动窗口介绍 | 第37页 |
| 3.2.2 相关定义及定理 | 第37-39页 |
| 3.3 数据流动态自适应分区的TOP-K查询算法 | 第39-44页 |
| 3.3.1 静态分区算法 | 第39-41页 |
| 3.3.2 动态自适应分区算法 | 第41-42页 |
| 3.3.3 动态自适应分区的Top-k连续查询算法 | 第42-44页 |
| 3.4 实验分析 | 第44-47页 |
| 3.4.1 实验设置 | 第44-45页 |
| 3.4.2 实验性能比较 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 分布式数据流的TOP-K支配查询算法 | 第48-57页 |
| 4.1 问题背景 | 第48页 |
| 4.2 问题描述及查询框架 | 第48-51页 |
| 4.2.1 相关定义及性质 | 第49-50页 |
| 4.2.2 被支配分数算法(DominatedScoreCompute) | 第50-51页 |
| 4.3 FILTER-BASED方法的TOP_K支配查询算法 | 第51-53页 |
| 4.4 实验分析 | 第53-56页 |
| 4.4.1 实验设置 | 第53页 |
| 4.4.2 实验结果比较 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-67页 |
| 附录A 攻读硕士学位期间发表的学术论文目录 | 第67-68页 |
| 附录B 攻读学位期间所参加的科研项目目录 | 第68-69页 |
| 致谢 | 第69页 |
