| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 本文工作与贡献 | 第17-19页 |
| 1.3 本文结构 | 第19-21页 |
| 第二章 数据生成器概述 | 第21-31页 |
| 2.1 简单的数据生成器 | 第21-22页 |
| 2.2 数据驱动的数据生成器 | 第22-26页 |
| 2.2.1 用户定义的数据生成器 | 第22-24页 |
| 2.2.2 数据模式挖掘的数据生成器 | 第24-25页 |
| 2.2.3 数据挖掘的数据生成器 | 第25-26页 |
| 2.3 查询驱动的数据生成器 | 第26-29页 |
| 2.3.1 感知查询的数据生成器 | 第27-28页 |
| 2.3.2 大数据处理系统评测的数据生成 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 预备知识 | 第31-39页 |
| 3.1 问题定义 | 第31-34页 |
| 3.2 用户输入和自定义语言说明 | 第34-37页 |
| 3.3 系统框架 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 数据依赖离线分析 | 第39-53页 |
| 4.1 数据模式分解 | 第39-45页 |
| 4.1.1 属性集合的复杂度 | 第40页 |
| 4.1.2 属性间关联度量标准 | 第40-41页 |
| 4.1.3 模式分解算法 | 第41-43页 |
| 4.1.4 关系合并 | 第43-45页 |
| 4.2 时间快照间依赖的挖掘 | 第45-51页 |
| 4.2.1 隐式狄利克雷分配模型(Latent Dirichlet Allocation) | 第45-46页 |
| 4.2.2 时间序LDA技术 | 第46-48页 |
| 4.2.3 推论方法 | 第48-50页 |
| 4.2.4 时间依赖挖掘算法复杂度 | 第50-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 数据可扩展在线生成 | 第53-65页 |
| 5.1 伪随机数生成器 | 第53-54页 |
| 5.2 单机扩展数据算法 | 第54-59页 |
| 5.2.1 单机单表单属性生成 | 第54-55页 |
| 5.2.2 单机单表多属性生成 | 第55-57页 |
| 5.2.3 单机多表生成 | 第57-58页 |
| 5.2.4 值域扩展 | 第58-59页 |
| 5.3 并行在线生成算法 | 第59-63页 |
| 5.3.1 并行生成框架 | 第59-60页 |
| 5.3.2 表内并行生成算法 | 第60-61页 |
| 5.3.3 多表并行生成算法 | 第61-62页 |
| 5.3.4 子节点间负载平衡与容错 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 实验 | 第65-79页 |
| 6.1 实验设置 | 第65-67页 |
| 6.1.1 机器配置 | 第65-66页 |
| 6.1.2 输入数据 | 第66页 |
| 6.1.3 参数设置 | 第66-67页 |
| 6.2 模式分解中阈值γ对内存消耗的影响 | 第67-68页 |
| 6.3 时间依赖提取中各参数对生成器性能影响 | 第68-71页 |
| 6.4 在线生成的功能与性能测试 | 第71-73页 |
| 6.5 值域扩展 | 第73-74页 |
| 6.6 对比PDGF的生成数据效果 | 第74-76页 |
| 6.7 本章小结 | 第76-79页 |
| 第七章 总结与展望 | 第79-81页 |
| 7.1 本文总结 | 第79-80页 |
| 7.2 展望未来 | 第80-81页 |
| 附录A 单机数据生成的展示 | 第81-82页 |
| 附录B 分布式数据生成的展示 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-91页 |
| 发表论文和科研情况 | 第91页 |