| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的及意义 | 第12-13页 |
| 1.3 研究现状 | 第13-14页 |
| 1.3.1 国外研究 | 第13-14页 |
| 1.3.2 国内研究 | 第14页 |
| 1.4 主要内容及组织 | 第14-17页 |
| 第2章 大数据清洗关键技术 | 第17-25页 |
| 2.1 定义 | 第17页 |
| 2.2 数据清洗相关算法 | 第17-19页 |
| 2.2.1 K-means算法 | 第17-18页 |
| 2.2.2 Canopy算法 | 第18页 |
| 2.2.3 Logsf算法 | 第18-19页 |
| 2.2.4 梯度下降算法 | 第19页 |
| 2.3 相似度计算公式 | 第19-20页 |
| 2.3.1 曼哈顿距离计算公式 | 第19-20页 |
| 2.3.2 欧氏距离计算公式 | 第20页 |
| 2.4 Hadoop平台相关技术 | 第20-23页 |
| 2.4.1 HDFS分布式文件系统 | 第20-21页 |
| 2.4.2 MapReduce的并行计算架构 | 第21-22页 |
| 2.4.3 Hadoop相关子项目介绍 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 Hadoop平台下分布式数据清洗方法的研究 | 第25-33页 |
| 3.1 数据清洗原理 | 第25页 |
| 3.2 数据清洗的评价标准 | 第25-26页 |
| 3.3 数据清洗流程概述 | 第26-27页 |
| 3.4 基于Hadoop的分布式数据清洗的分析与设计 | 第27-32页 |
| 3.4.1 需求分析 | 第27-28页 |
| 3.4.2 基本思想设计 | 第28-30页 |
| 3.4.3 分布式数据清洗的设计 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于Logsf特征选择算法的并行化研究 | 第33-43页 |
| 4.1 问题描述 | 第33页 |
| 4.2 基于Logsf算法的研究与改进 | 第33-35页 |
| 4.3 改进的Logsf算法并行化设计与实现 | 第35-39页 |
| 4.3.1 基于MapReduce的并行化算法设计 | 第35-36页 |
| 4.3.2 基于MapReduce的并行化算法实现 | 第36-39页 |
| 4.4 实验分析与结果 | 第39-42页 |
| 4.4.1 实验数据及衡量指标 | 第39页 |
| 4.4.2 结果分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于K-means的异常数据清洗算法并行化研究 | 第43-53页 |
| 5.1 问题描述 | 第43页 |
| 5.2 基于K-means算法的研究与改进 | 第43-46页 |
| 5.2.1 中心点与K值选取的改进 | 第43-45页 |
| 5.2.2 距离计算公式的改进 | 第45-46页 |
| 5.3 改进的K-means异常数据清洗算法并行化设计与实现 | 第46-50页 |
| 5.3.1 基于MapReduce的并行化算法设计 | 第46-47页 |
| 5.3.2 基于MapReduce的并行化算法实现 | 第47-50页 |
| 5.4 实验分析与结果 | 第50-52页 |
| 5.4.1 实验数据及衡量指标 | 第50页 |
| 5.4.2 结果分析 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 Hadoop平台下分布式数据清洗方法的实现 | 第53-63页 |
| 6.1 实现过程 | 第53-55页 |
| 6.2 实验设计与分析 | 第55-61页 |
| 6.2.1 实验环境的配置及搭建 | 第56-59页 |
| 6.2.2 结果分析 | 第59-61页 |
| 6.3 本章小结 | 第61-63页 |
| 第7章 结论与展望 | 第63-65页 |
| 7.1 总结 | 第63-64页 |
| 7.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 在学期间主要科研成果 | 第71页 |
| 一、发表学术论文 | 第71页 |
| 二、其他科研成果 | 第71页 |
