| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 数据统计分析相关产品 | 第10-11页 |
| 1.2.2 主成分分析研究现状 | 第11页 |
| 1.2.3 因子分析研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 课题相关技术介绍 | 第14-20页 |
| 2.1 大数据分析平台 | 第14-16页 |
| 2.1.1 Hadoop框架 | 第14-15页 |
| 2.1.2 Apache Spark | 第15-16页 |
| 2.2 主成分分析和因子分析 | 第16-18页 |
| 2.3 本章小结 | 第18-20页 |
| 第三章 基于Hadoop的数理统计功能集的设计与实现 | 第20-39页 |
| 3.1 常用统计量 | 第20-23页 |
| 3.1.1 常用统计量 | 第20-21页 |
| 3.1.2 MapReduce算法 | 第21-23页 |
| 3.2 单变量分析 | 第23-25页 |
| 3.2.1 单变量分析 | 第23页 |
| 3.2.2 MapReduce算法 | 第23-25页 |
| 3.3 多变量分析 | 第25-27页 |
| 3.3.1 多变量分析 | 第25页 |
| 3.3.2 MapReduce算法 | 第25-27页 |
| 3.4 假设检验 | 第27-31页 |
| 3.4.1 假设检验 | 第27-28页 |
| 3.4.2 MapReduce算法 | 第28-31页 |
| 3.5 自助法 | 第31页 |
| 3.5.1 自助法 | 第31页 |
| 3.5.2 MapReduce算法 | 第31页 |
| 3.6 实验 | 第31-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 基于Spark的主成分分析与因子分析 | 第39-64页 |
| 4.1 主成分分析与因子分析的课题难点与创新点 | 第39-55页 |
| 4.1.1 相关系数矩阵 | 第39-41页 |
| 4.1.2 相关系数矩阵的特征值的求解 | 第41-53页 |
| 4.1.3 相关系数矩阵的特征向量的求解 | 第53-55页 |
| 4.2 主成分分析 | 第55-57页 |
| 4.3 因子分析 | 第57-58页 |
| 4.4 其他提高效率的方法 | 第58-60页 |
| 4.4.1 相关系数矩阵的压缩存储 | 第58-59页 |
| 4.4.2 Spark参数配置 | 第59-60页 |
| 4.5 实验与结果对比 | 第60-63页 |
| 4.5.1 实验环境 | 第60页 |
| 4.5.2 实验数据和参数 | 第60页 |
| 4.5.3 实验结果 | 第60-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 BDAP并行数据挖掘系统的集成 | 第64-74页 |
| 5.1 BDAP并行数据挖掘系统 | 第64-65页 |
| 5.2 系统集成 | 第65-70页 |
| 5.2.1 数理统计功能集模块的集成设计 | 第65-69页 |
| 5.2.2 主成分分析模块的集成设计 | 第69-70页 |
| 5.2.3 因子分析模块的集成设计 | 第70页 |
| 5.3 参数配置界面以及结果展示 | 第70-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间所取得的研究成果 | 第80页 |