| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外现状研究 | 第12-15页 |
| 1.3 主要研究内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 理论基础与相关技术 | 第17-28页 |
| 2.1 云计算与Spark | 第17-20页 |
| 2.1.1 云计算 | 第17-18页 |
| 2.1.2 Spark | 第18-20页 |
| 2.2 数据挖掘技术 | 第20-22页 |
| 2.2.1 数据预处理 | 第20页 |
| 2.2.2 Random Forests Algorithm | 第20-21页 |
| 2.2.3 预测评估指标 | 第21-22页 |
| 2.3 数据可视化 | 第22-26页 |
| 2.3.1 D3 | 第23-24页 |
| 2.3.2 K-means聚类 | 第24-26页 |
| 2.4 食源性疾病监测 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 食源性疾病预测分析算法Spark-IRF | 第28-43页 |
| 3.1 Spark-IRF算法的设计 | 第28-37页 |
| 3.1.1 Spark-IRF算法的相关重要步骤 | 第28-35页 |
| 3.1.2 Spark-IRF算法 | 第35-37页 |
| 3.2 Spark-IRF算法性能分析 | 第37-42页 |
| 3.2.1 实验环境 | 第37-38页 |
| 3.2.2 Spark-IRF算法在食源性疾病预测分析的应用实例 | 第38-40页 |
| 3.2.3 Spark-IRF算法性能分析 | 第40-41页 |
| 3.2.4 基于食源性疾病预测分析方法比较 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 食源性疾病数据聚类可视分析方法WIK-means | 第43-49页 |
| 4.1 WIK-means聚类算法 | 第43-45页 |
| 4.1.1 WIK-means算法的设计与实现 | 第43-45页 |
| 4.2 WIK-means算法的性能分析 | 第45-48页 |
| 4.2.1 实验环境 | 第45-46页 |
| 4.2.2 WIK-means算法的性能分析 | 第46-47页 |
| 4.2.3 食源性疾病数据聚类可视方法比较 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 FASBSFD原型系统的设计与实现 | 第49-59页 |
| 5.1 FASBSFD系统需求分析 | 第49-51页 |
| 5.1.1 FASBSFD系统的功能分析 | 第49-50页 |
| 5.1.2 FASBSFD系统的性能分析 | 第50页 |
| 5.1.3 FASBSFD系统的可靠性分析 | 第50-51页 |
| 5.2 FASBSFD系统设计 | 第51-54页 |
| 5.2.1 FASBSFD系统的架构设计 | 第51-52页 |
| 5.2.2 FASBSFD系统的功能设计 | 第52-54页 |
| 5.3 FASBSFD系统实现 | 第54-57页 |
| 5.3.1 可视化实现 | 第54-55页 |
| 5.3.2 Spark-IRF算法的预测分析实现 | 第55-56页 |
| 5.3.3 WIK-means算法的聚类分析实现 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间参加的科研项目和成果 | 第66页 |
