面向海量数据实时分析的近似查询算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 数据实时处理与近似算法 | 第10-11页 |
| 1.2.2 近似查询技术 | 第11-12页 |
| 1.2.3 内存计算与流式处理 | 第12-13页 |
| 1.3 研究内容及组织结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 相关概念与技术 | 第16-24页 |
| 2.1 近似查询技术 | 第16-18页 |
| 2.1.1 基本概念 | 第16页 |
| 2.1.2 窗口查询技术 | 第16-17页 |
| 2.1.3 抽样技术 | 第17-18页 |
| 2.2 海量流数据处理技术 | 第18-23页 |
| 2.2.1 相关概念及特性 | 第18-19页 |
| 2.2.2 批量计算和流式计算 | 第19-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 面向批处理的海量数据分层聚类算法 | 第24-40页 |
| 3.1 因子分析 | 第24-27页 |
| 3.1.1 方法原理 | 第24-26页 |
| 3.1.2 方法流程 | 第26-27页 |
| 3.2 K-means聚类分析 | 第27-28页 |
| 3.3 HC-UPGMD算法 | 第28-36页 |
| 3.3.1 最大最小距离聚类 | 第29-32页 |
| 3.3.2 UPGMA优化聚类中心 | 第32-34页 |
| 3.3.3 HC-UPGMD算法 | 第34-36页 |
| 3.4 HC-UPGMD算法性能验证 | 第36-39页 |
| 3.4.1 实验环境 | 第36页 |
| 3.4.2 实验数据集 | 第36-37页 |
| 3.4.3 算法实验结果分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 面向流处理的滑动窗口分层抽样算法 | 第40-49页 |
| 4.1 滑动窗口数据流概要生成技术 | 第40-41页 |
| 4.1.1 基本窗口技术 | 第40页 |
| 4.1.2 指数直方图技术 | 第40-41页 |
| 4.1.3 CS技术 | 第41页 |
| 4.2 衰减滑动窗口及衰减函数 | 第41-42页 |
| 4.3 SS-ASWWA算法 | 第42-45页 |
| 4.3.1 算法背景 | 第42-43页 |
| 4.3.2 算法原理 | 第43-45页 |
| 4.3.3 算法特性分析 | 第45页 |
| 4.4 算法性能验证 | 第45-48页 |
| 4.4.1 实验设置 | 第45页 |
| 4.4.2 实验结果分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 面向海量数据实时分析的近似查询模型 | 第49-62页 |
| 5.1 面向海量数据实时分析的近似查询模型设计 | 第49-52页 |
| 5.1.1 相关定义 | 第49-50页 |
| 5.1.2 近似查询模型 | 第50-52页 |
| 5.2 模型与算法实现 | 第52-57页 |
| 5.2.1 总体历史数据分层聚类hash处理 | 第53-54页 |
| 5.2.2 查询算法实现 | 第54-56页 |
| 5.2.3 分层器实现 | 第56-57页 |
| 5.2.4 总体历史数据中数据抽样更新 | 第57页 |
| 5.3 实验分析 | 第57-61页 |
| 5.3.1 实验1:置信度指标性能提升实验 | 第58-59页 |
| 5.3.2 实验2:误差度指标性能提升实验 | 第59-60页 |
| 5.3.3 UCI数据集置信度实验 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 研究展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
