| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.3 研究内容及主要工作 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 Spark云计算平台的概述 | 第19-24页 |
| 2.1 Spark简介 | 第19-22页 |
| 2.2 Spark框架结构 | 第22页 |
| 2.3 Spark的优势 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 数据挖掘及分类算法的概述 | 第24-30页 |
| 3.1 数据挖掘概述 | 第24-25页 |
| 3.1.1 数据挖掘的定义 | 第24页 |
| 3.1.2 数据挖掘的过程 | 第24-25页 |
| 3.2 数据挖掘分类算法概述 | 第25-29页 |
| 3.2.1 分类算法的步骤 | 第25-26页 |
| 3.2.2 常用分类算法概述 | 第26-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 改进的K近邻分类算法 | 第30-45页 |
| 4.1 K近邻分类算法的介绍 | 第30-31页 |
| 4.1.1 K近邻分类算法的设计思想 | 第30页 |
| 4.1.2 K近邻分类算法的实现 | 第30-31页 |
| 4.1.3 K近邻分类算法的优缺点 | 第31页 |
| 4.2 K近邻分类算法的索引创建 | 第31-32页 |
| 4.2.1 Kd Tree的简介 | 第31页 |
| 4.2.2 Kd Tree的实现 | 第31-32页 |
| 4.2.3 Kd Tree的优缺点 | 第32页 |
| 4.3 改进K近邻分类算法的介绍 | 第32-33页 |
| 4.3.1 K近邻分类算法的关键改进点 | 第32页 |
| 4.3.2 改进K近邻分类算法的优化点 | 第32-33页 |
| 4.4 改进K近邻分类算法的实现 | 第33-40页 |
| 4.4.1 改进K近邻分类算法的步骤 | 第33-35页 |
| 4.4.2 改进K近邻分类算法的具体实现 | 第35-40页 |
| 4.5 改进K近邻分类算法的并行化设计 | 第40-42页 |
| 4.5.1 算法并行化设计方法 | 第40-41页 |
| 4.5.2 改进K近邻分类算法并行化的实现 | 第41-42页 |
| 4.6 数据挖掘分类算法的常用评价准则 | 第42-44页 |
| 4.6.1 分类算法的评价准则 | 第42-43页 |
| 4.6.2 并行化分类算法评价准则 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第五章 基于Spark云计算平台的改进K近邻算法研究 | 第45-50页 |
| 5.1 Spark云计算平台的搭建 | 第45-47页 |
| 5.1.1 搭建环境的准备 | 第45页 |
| 5.1.2 Spark云计算平台的搭建步骤 | 第45-47页 |
| 5.2 基于Spark云计算平台的改进K近邻算法实现 | 第47-49页 |
| 5.2.1 基于Spark云计算平台的改进K近邻算法设计思想 | 第47页 |
| 5.2.2 基于Spark云计算平台的改进K近邻算法核心代码 | 第47-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第六章 实验设计和结果分析 | 第50-55页 |
| 6.1 实验环境 | 第50页 |
| 6.2 实验数据 | 第50-51页 |
| 6.3 实验评价指标 | 第51页 |
| 6.4 实验结果和分析 | 第51-54页 |
| 6.4.1 改进K近邻算法的实验结果分析 | 第51-53页 |
| 6.4.2 基于Spark云计算平台的并行化改进K近邻算法实验结果分析 | 第53-54页 |
| 6.5 本章小结 | 第54-55页 |
| 总结与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-61页 |
| 致谢 | 第61页 |
