| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 课题研究现状及目标 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第二章 相关背景知识介绍 | 第12-25页 |
| 2.1 大数据的特点和关键技术 | 第12-19页 |
| 2.1.1 大数据的流数据模型 | 第12-14页 |
| 2.1.2 大数据分布式计算框架 | 第14-18页 |
| 2.1.3 流数据挖掘算法特点 | 第18-19页 |
| 2.2 面向数据流的分类算法 | 第19-23页 |
| 2.2.1 Hoeffding tree算法 | 第20页 |
| 2.2.2 VFDT | 第20-21页 |
| 2.2.3 CVFDT | 第21-23页 |
| 2.3 基于分布式计算平台的流数据挖掘框架设计 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 面向大数据抵抗概念漂移流分类挖掘算法 | 第25-38页 |
| 3.1 传统抵抗概念漂移算法及系统 | 第25-28页 |
| 3.1.1 概念漂移的定义 | 第25-26页 |
| 3.1.2 传统抵抗概念漂移算法及系统 | 第26-28页 |
| 3.2 基于strom的并行化窗口抵抗渐进型概念漂移 | 第28-34页 |
| 3.2.1 检测概念漂移窗口算法 | 第28-29页 |
| 3.2.2 S-CVFDT并行化窗口抵抗概念漂移算法设计 | 第29-31页 |
| 3.2.3 S-CVFDT算法实现与分析 | 第31-34页 |
| 3.3 基于Storm的滑动窗口抵抗突变型概念漂移算法 | 第34-37页 |
| 3.3.1 MCVFDT滑动窗口抵抗概念漂移算法设计 | 第34-36页 |
| 3.3.2 MCVFDT算法实现与分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于Storm的抵抗概念漂移流分类挖掘算法系统设计 | 第38-44页 |
| 4.1 系统总体架构设计 | 第38页 |
| 4.2 基于Storm实现概念漂移并行化窗口bwin（bolt-window） | 第38-40页 |
| 4.3 基于Storm的并行化系统 | 第40页 |
| 4.4 系统的应用设计 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 系统的实现与测试 | 第44-57页 |
| 5.1 Storm平台硬件环境、软件环境以及分布式测试环境的搭建 | 第44-50页 |
| 5.1.1 Storm平台硬件及软件环境 | 第44-46页 |
| 5.1.2 Ubuntu12.04部署Storm单机模式 | 第46-48页 |
| 5.1.3 Ubuntu12.04部署Storm集群模式 | 第48-50页 |
| 5.2 实验数据流配置介绍 | 第50-51页 |
| 5.3 系统指标测试 | 第51-56页 |
| 5.3.1 抵抗概念漂移流分类挖掘系统界面 | 第51-52页 |
| 5.3.2 数据集格式 | 第52-53页 |
| 5.3.3 决策树模型建立测试 | 第53-55页 |
| 5.3.4 决策树模型评价测试 | 第55页 |
| 5.3.5 决策树模型分类测试 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 附录1 程序清单 | 第62-69页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 附录3 攻读硕士学位期间申请的专利 | 第70-71页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 致谢 | 第72页 |
