| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景与现状 | 第10-13页 |
| 1.1.1 skyline的定义与应用 | 第10-11页 |
| 1.1.2 k-支配的定义与应用 | 第11-12页 |
| 1.1.3 k-支配的研究现状 | 第12-13页 |
| 1.2 课题研究内容 | 第13页 |
| 1.3 课题研究意义 | 第13-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章skyline相关的研究综述 | 第16-23页 |
| 2.1 传统skyline相关研究 | 第16-18页 |
| 2.1.1 集中式环境下传统的skyline研究 | 第16页 |
| 2.1.2 分布式环境下传统的skyline研究 | 第16-17页 |
| 2.1.3 数据流环境下传统skyline研究 | 第17-18页 |
| 2.2 k-支配skyline算法相关研究 | 第18-22页 |
| 2.2.1 集中式环境下的k-支配skyline研究 | 第18-20页 |
| 2.2.2 分布式环境下k-支配skyline算法的研究 | 第20-22页 |
| 2.2.3 不完整数据流环境下k-支配查询算法的研究 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于MapReduce的k-支配skyline算法实现 | 第23-33页 |
| 3.1 分布式系统的介绍 | 第23-26页 |
| 3.1.1 Hadoop平台介绍 | 第23-24页 |
| 3.1.2 MapReduce的计算原理 | 第24-26页 |
| 3.2 基于MapReduce的k-支配skyline算法实现 | 第26-32页 |
| 3.2.1 k-支配skyline的基本概念和性质 | 第26-28页 |
| 3.2.2 算法的预排序 | 第28页 |
| 3.2.3 MR_OSA思想和策略 | 第28-29页 |
| 3.2.4 MR_OSA流程和步骤 | 第29-30页 |
| 3.2.5 MR_OSA算法的形式化描述 | 第30-31页 |
| 3.2.6 MR_TSA思想和策略 | 第31页 |
| 3.2.7 MR_TSA流程和步骤 | 第31-32页 |
| 3.2.8 MR_TSA算法的形式化描述 | 第32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 不完整数据流下k-支配skyline算法研究 | 第33-44页 |
| 4.1 滑动窗口及不完整数据流的相关概念 | 第33-34页 |
| 4.2 不完整数据流k-支配skyline排序算法 | 第34-43页 |
| 4.2.1 S-skyline的思想和策略 | 第35-38页 |
| 4.2.2 S-skyline流程和步骤 | 第38-40页 |
| 4.2.3 S-skyline的形式化描述 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 实验与分析 | 第44-51页 |
| 5.1 MR_TSA和MR_OSA算法实验环境设置 | 第44页 |
| 5.2 MR_TSA和MR_OSA算法实验结果分析 | 第44-48页 |
| 5.2.1 数据分布的影响 | 第44-46页 |
| 5.2.2 维数和k的影响 | 第46页 |
| 5.2.3 数据集的影响 | 第46-47页 |
| 5.2.4 集群节点数的比较 | 第47页 |
| 5.2.5 与单机算法比较 | 第47-48页 |
| 5.3 S-skyline实验设置 | 第48页 |
| 5.4 S-skyline实验结果分析 | 第48-50页 |
| 5.4.1 窗口大小的影响 | 第48-49页 |
| 5.4.2 数据维度d的影响 | 第49页 |
| 5.4.3 参数k值的影响 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
