| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文的主要工作和贡献 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 Spark大数据处理平台 | 第19-28页 |
| 2.1 Spark平台概述 | 第19-21页 |
| 2.2 弹性分布式数据集 | 第21-24页 |
| 2.2.1 RDD概念 | 第21-22页 |
| 2.2.2 RDD操作与缓存 | 第22-23页 |
| 2.2.3 RDD血统和依赖 | 第23-24页 |
| 2.3 Spark程序运行架构 | 第24-26页 |
| 2.4 MLlib | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于Spark的sMRI影像分类诊断系统设计实现 | 第28-42页 |
| 3.1 sMRI影像分类诊断系统设计 | 第28-30页 |
| 3.1.1 sMRI影像分类诊断系统目标 | 第28页 |
| 3.1.2 sMRI影像分类诊断系统架构 | 第28-30页 |
| 3.2 sMRI影像分类诊断系统实现 | 第30-36页 |
| 3.2.1 sMRI影像预处理模块 | 第31页 |
| 3.2.2 模型训练模块 | 第31-35页 |
| 3.2.3 预测诊断模块 | 第35-36页 |
| 3.3 PCA算法原理与实现 | 第36-38页 |
| 3.3.1 PCA算法原理 | 第36-37页 |
| 3.3.2 PCA算法实现 | 第37-38页 |
| 3.4 SVM算法原理与实现 | 第38-41页 |
| 3.4.1 SVM算法原理 | 第38-39页 |
| 3.4.2 SVM算法实现 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于Spark的电影推荐系统设计与实现 | 第42-53页 |
| 4.1 电影推荐系统设计 | 第42-45页 |
| 4.1.1 电影推荐系统数据集 | 第42-43页 |
| 4.1.2 电影推荐系统目标 | 第43页 |
| 4.1.3 电影推荐系统架构 | 第43-45页 |
| 4.2 电影推荐系统实现 | 第45-49页 |
| 4.2.1 数据处理模块 | 第45页 |
| 4.2.2 模型训练模块 | 第45-47页 |
| 4.2.3 用户推荐模块 | 第47-48页 |
| 4.2.4 模拟实时推荐模块 | 第48-49页 |
| 4.3 基于ALS的协同过滤算法原理与实现 | 第49-52页 |
| 4.3.1 算法原理 | 第49-50页 |
| 4.3.2 算法实现 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 实验结果与分析 | 第53-65页 |
| 5.1 实验环境 | 第53-57页 |
| 5.1.1 网络与硬件环境 | 第53-54页 |
| 5.1.2 Spark集群搭建 | 第54-57页 |
| 5.2 sMRI影像分类诊断系统 | 第57-60页 |
| 5.2.1 实验设计 | 第57页 |
| 5.2.2 实验结果与分析 | 第57-60页 |
| 5.3 电影推荐系统 | 第60-64页 |
| 5.3.1 实验设计与最优参数确定 | 第60-62页 |
| 5.3.2 系统推荐结果展示 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 未解决的问题和以后工作展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间的研究成果 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |