| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 国内外研究历史与现状 | 第11-14页 |
| 1.3 研究要点及结构组织 | 第14-17页 |
| 1.3.1 研究要点 | 第14-15页 |
| 1.3.2 结构组织 | 第15-17页 |
| 第2章 相关技术和基本理论 | 第17-37页 |
| 2.1 流数据分类 | 第17-20页 |
| 2.1.1 流数据的定义和特征 | 第17-18页 |
| 2.1.2 流数据类型 | 第18页 |
| 2.1.3 流数据分类 | 第18-20页 |
| 2.2 概念漂移 | 第20-22页 |
| 2.2.1 基本概念 | 第20页 |
| 2.2.2 检测方法 | 第20-21页 |
| 2.2.3 处理方法 | 第21-22页 |
| 2.3 集成学习和集成分类器 | 第22-27页 |
| 2.3.1 集成学习概述 | 第22-23页 |
| 2.3.2 构建差异性基分类器 | 第23-26页 |
| 2.3.3 对分类器结果进行整合 | 第26-27页 |
| 2.4 数据流的集成分类方法 | 第27-28页 |
| 2.5 流数据挖掘相关技术框架 | 第28-34页 |
| 2.5.1 Apache Storm | 第28-29页 |
| 2.5.2 Spark Streaming | 第29-31页 |
| 2.5.3 分布式文件系统HDFS | 第31-33页 |
| 2.5.4 Kafka | 第33-34页 |
| 2.6 本章小结 | 第34-37页 |
| 第3章 基于概念漂移的流数据集成分类算法OC-WE及其并行化.. | 第37-51页 |
| 3.1 流数据集成分类算法OC-WE | 第37-41页 |
| 3.1.1 问题定义 | 第37页 |
| 3.1.2 提出的方法 | 第37-40页 |
| 3.1.3 实验验证 | 第40-41页 |
| 3.2 OC-WE算法基于Spark的并行化实现 | 第41-47页 |
| 3.2.1 分布式系统架构设计 | 第42-43页 |
| 3.2.2 Hadoop集群部署配置 | 第43-44页 |
| 3.2.3 Spark集群部署 | 第44-45页 |
| 3.2.4 Kafka集群部署 | 第45页 |
| 3.2.5 OC-WE算法的并行化实现 | 第45-47页 |
| 3.3 实验过程及结果分析 | 第47-50页 |
| 3.3.1 并行化OC-WE应用部署 | 第47-48页 |
| 3.3.2 流式数据源 | 第48-49页 |
| 3.3.3 实验结果及分析 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 并行化OC-WE算法在大规模网络流量分类中的应用 | 第51-57页 |
| 4.1 大规模网络流量在线分类方案 | 第51-52页 |
| 4.2 实验环境过程与结果分析 | 第52-56页 |
| 4.2.1 实验环境 | 第52-53页 |
| 4.2.2 实验数据和预处理 | 第53-54页 |
| 4.2.3 实验结果及分析 | 第54-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 在学期间主要科研成果 | 第65页 |
| 一、发表学术论文 | 第65页 |
| 二、其他科研成果 | 第65页 |
| 三、发表专利 | 第65页 |
| 四、参加会议与实习 | 第65页 |