| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 信号特征提取 | 第11-12页 |
| 1.2.2 大数据处理 | 第12-13页 |
| 1.3 本文的研究内容及结构安排 | 第13-16页 |
| 1.3.1 本文的研究内容 | 第13-14页 |
| 1.3.2 本文的结构安排 | 第14-16页 |
| 第2章 相关技术 | 第16-25页 |
| 2.1 Spark | 第16-22页 |
| 2.1.1 Spark的生态系统 | 第16-19页 |
| 2.1.2 Spark编程模型 | 第19页 |
| 2.1.3 Spark RDD | 第19-22页 |
| 2.1.4 Spark程序流程 | 第22页 |
| 2.2 Yarn | 第22-24页 |
| 2.2.1 Yarn架构图 | 第23页 |
| 2.2.2 Spark基于Yarn的调度 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于Spark的EEMD算法并行化设计与实现 | 第25-38页 |
| 3.1 基本概念 | 第25-26页 |
| 3.2 EEMD和EMD分解流程 | 第26-29页 |
| 3.3 EEMD分解的并行化算法 | 第29-37页 |
| 3.3.1 EEMD并行化原理 | 第29页 |
| 3.3.2 EEMD分解并行化 | 第29-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于Spark的特征提取和分类 | 第38-49页 |
| 4.1 引言 | 第38-40页 |
| 4.2 IMF能量特征 | 第40-42页 |
| 4.3 基于Spark的K-近邻分类 | 第42-48页 |
| 4.3.1 KNN背景和原理 | 第42-44页 |
| 4.3.2 基于Spark的KNN并行化设计与实现 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 实验及结果分析 | 第49-64页 |
| 5.1 引言 | 第49页 |
| 5.2 实验环境 | 第49-53页 |
| 5.2.1 集群信息 | 第49-50页 |
| 5.2.2 集群环境搭建过程 | 第50-53页 |
| 5.3 并行化评价指标 | 第53-54页 |
| 5.4 并行化EEMD算法实验方案设计与结果分析 | 第54-58页 |
| 5.4.1 实验方案设计 | 第54-55页 |
| 5.4.2 实验结果分析 | 第55-58页 |
| 5.5 并行化特征提取算法和KNN分类实验方案设计与结果分析 | 第58-63页 |
| 5.5.1 实验方案设计 | 第58-60页 |
| 5.5.2 实验结果分析 | 第60-63页 |
| 5.6 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |
