| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外数据流聚类的研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容与章节安排 | 第13-17页 |
| 1.3.1 本文研究内容与章节安排 | 第13-15页 |
| 1.3.2 本文研究框架图 | 第15-17页 |
| 第2章 Storm和数据流聚类概述 | 第17-36页 |
| 2.1 Storm计算平台概述 | 第17-24页 |
| 2.1.1 云平台概述 | 第17-20页 |
| 2.1.2 Storm中的核心概念 | 第20-24页 |
| 2.2 数据流聚类概述 | 第24-35页 |
| 2.2.1 数据流定义及特点 | 第24-26页 |
| 2.2.2 数据流聚类概述 | 第26-33页 |
| 2.2.3 数据流聚类算法常用技术 | 第33-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第3章 基于Storm的数据流聚类模型的分析 | 第36-51页 |
| 3.1 数据流聚类的Storm计算模型 | 第36-45页 |
| 3.1.1 Storm与Hadoop、Spark计算模型的比较分析 | 第36-40页 |
| 3.1.2 基于Storm的数据流聚类计算模型 | 第40-45页 |
| 3.2 数据流聚类算法在模型中的并行度分析 | 第45-47页 |
| 3.3 数据流聚类算法在模型中的可靠性分析 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 基于Storm的数据流聚类模型的算法设计与实现 | 第51-75页 |
| 4.1 算法相关定义 | 第51-53页 |
| 4.2 基于Storm的数据流聚类算法总体框架 | 第53-55页 |
| 4.3 聚类初始微簇的确定 | 第55-57页 |
| 4.3.1 微簇确定算法设计 | 第55-57页 |
| 4.3.2 微簇确定算法的在Storm中的实现 | 第57页 |
| 4.4 局部聚类微簇的实时更新 | 第57-67页 |
| 4.4.1 实时更新算法的设计 | 第58-65页 |
| 4.4.2 实时更新算法在Storm中的实现 | 第65-67页 |
| 4.5 局部聚类微簇的全局合并 | 第67-71页 |
| 4.5.1 全局合并算法的设计 | 第67-70页 |
| 4.5.2 全局合并算法在Storm中的实现 | 第70-71页 |
| 4.6 全局微簇的聚类 | 第71-74页 |
| 4.6.1 全局聚类算法的设计 | 第71-73页 |
| 4.6.2 全局聚类算法在Storm中的实现 | 第73-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第5章 测试结果与分析 | 第75-94页 |
| 5.1 实验环境与部署 | 第75-81页 |
| 5.1.1 实验软硬件环境 | 第75-76页 |
| 5.1.2 实验环境的部署与启动 | 第76-81页 |
| 5.2 算法的演化性测试与分析 | 第81-83页 |
| 5.3 算法的聚类质量测试与分析 | 第83-86页 |
| 5.4 算法的聚类效率测试与分析 | 第86-88页 |
| 5.6 算法在热点区域发现中的应用 | 第88-93页 |
| 5.7 本章小结 | 第93-94页 |
| 第6章 总结与展望 | 第94-96页 |
| 6.1 总结 | 第94-95页 |
| 6.2 不足与展望 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 致谢 | 第100页 |