| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状和存在的问题 | 第11-15页 |
| 1.3.1 国内研究现状 | 第11-13页 |
| 1.3.2 国外研究现状 | 第13-14页 |
| 1.3.3 存在问题及解决方案 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 组织结构 | 第16-18页 |
| 第2章 基于SparkStreaming的CluStream算法研究 | 第18-44页 |
| 2.1 SparkStreaming流数据处理系统概述 | 第18-20页 |
| 2.2 CluStream算法及其改进 | 第20-25页 |
| 2.2.1 CluStream算法原理 | 第20-22页 |
| 2.2.2 CluStream算法不足及其改进算法FCPCluStream | 第22-24页 |
| 2.2.3 FCPCluStream算法并行化总体设计 | 第24-25页 |
| 2.3 局部站点在线微聚类研究 | 第25-35页 |
| 2.3.1 微簇特征向量改进 | 第26-28页 |
| 2.3.2 微簇存储模型优化 | 第28-29页 |
| 2.3.3 微簇初始化及实时更新算法设计 | 第29-32页 |
| 2.3.4 在线微聚类并行化设计 | 第32-35页 |
| 2.3.5 在线微聚类算法复杂度分析 | 第35页 |
| 2.4 中心站点离线宏聚类研究 | 第35-42页 |
| 2.4.1 聚类中心初始化方法研究 | 第36-37页 |
| 2.4.2 基于Canopy-KMeans宏聚类算法设计 | 第37-39页 |
| 2.4.3 离线宏聚类并行化设计 | 第39-41页 |
| 2.4.4 离线宏聚类算法复杂度分析 | 第41-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第3章 基于SparkStreaming的D-Stream算法研究 | 第44-63页 |
| 3.1 D-Stream算法及其并行化总体设计 | 第44-47页 |
| 3.1.1 D-Stream算法研究 | 第44-46页 |
| 3.1.2 D-Stream算法并行化总体设计 | 第46-47页 |
| 3.2 在线网格映射并行化研究 | 第47-53页 |
| 3.2.1 密度网格划分方法 | 第48-49页 |
| 3.2.2 网格分区的自适应调整方法 | 第49-52页 |
| 3.2.3 在线网格映射算法并行化设计 | 第52-53页 |
| 3.2.4 在线微聚类算法复杂度分析 | 第53页 |
| 3.3 离线局部微簇更新及汇总并行化研究 | 第53-62页 |
| 3.3.1 密度网格簇相关概念 | 第53-55页 |
| 3.3.2 局部站点检测周期研究 | 第55-56页 |
| 3.3.3 局部站点松散网格检测及删除策略设计 | 第56-58页 |
| 3.3.4 局部簇调整及汇总并行化设计 | 第58-61页 |
| 3.3.5 离线宏聚类算法复杂度分析 | 第61-62页 |
| 3.4 本章小结 | 第62-63页 |
| 第4章 Spark框架下流数据聚类算法测试与分析 | 第63-74页 |
| 4.1 实验环境搭建 | 第63-64页 |
| 4.1.1 硬件环境 | 第63页 |
| 4.1.2 软件环境 | 第63-64页 |
| 4.2 实验数据集预处理 | 第64-67页 |
| 4.2.1 实验数据集分析 | 第64-66页 |
| 4.2.2 目标数据集预处理 | 第66-67页 |
| 4.3 Spark框架下流数据聚类算法性能测试 | 第67-73页 |
| 4.3.1 FCPCluStream聚类质量分析 | 第67-69页 |
| 4.3.2 D-Stream聚类质量分析 | 第69-71页 |
| 4.3.3 集群并行化加速比分析 | 第71-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 研究工作与总结 | 第74-75页 |
| 5.2 展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间的研究成果 | 第80页 |
