| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 文本组织结构 | 第15-17页 |
| 2 相关工作 | 第17-31页 |
| 2.1 BOOSTING算法概述 | 第17-19页 |
| 2.2 多数投票（MAJORITY VOTE）概述 | 第19-20页 |
| 2.3 相关技术介绍 | 第20-28页 |
| 2.3.1 Batch Learning介绍 | 第20-21页 |
| 2.3.2 Online Learning介绍 | 第21-22页 |
| 2.3.3 分布式介绍 | 第22页 |
| 2.3.4 Spark概述 | 第22-24页 |
| 2.3.5 HDFS分布式存储文件系统 | 第24-25页 |
| 2.3.6 弹性分布式数据集RDD | 第25-26页 |
| 2.3.7 数据流挖掘 | 第26页 |
| 2.3.8 Spark Streaming概述 | 第26-28页 |
| 2.3.9 Kafka概述 | 第28页 |
| 2.4 本章小结 | 第28-31页 |
| 3 基于SPARK的BBM.SPARK算法设计 | 第31-45页 |
| 3.1 BBM算法 | 第31-35页 |
| 3.2 BBM.SPARK算法 | 第35-36页 |
| 3.3 实验设计 | 第36-38页 |
| 3.3.1 性能度量 | 第36页 |
| 3.3.2 数据集 | 第36-37页 |
| 3.3.3 软硬件配置 | 第37页 |
| 3.3.4 BBM.Spark实验参数设计 | 第37-38页 |
| 3.4 实验结果分析 | 第38-44页 |
| 3.4.1 BBM.Spark和BBM分类性能对比分析 | 第38-39页 |
| 3.4.2 partitions对BBM.Spark性能的影响 | 第39-41页 |
| 3.4.3 num-executors对BBM.Spark性能的影响 | 第41-42页 |
| 3.4.4 executor-cores对BBM.Spark性能的影响 | 第42页 |
| 3.4.5 通信开销：网络中传输的数据量及花费时间 | 第42-44页 |
| 3.4.6 串行BBM算法与BBM.Spark的运行效率对比 | 第44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于SPARK STREAMING的BBM.STREAMING算法设计 | 第45-59页 |
| 4.1 ONLINE BBM算法 | 第45-46页 |
| 4.2 BBM.STREAMING算法 | 第46-47页 |
| 4.3 实验设计 | 第47-48页 |
| 4.4 实验结果分析 | 第48-57页 |
| 4.4.1 BBM.Streaming和online BBM、VFDT收敛性对比分析 | 第48-49页 |
| 4.4.2 BBM.Streaming和online BBM、VFDT分类性能对比分析 | 第49-50页 |
| 4.4.3 partitions对BBM.Streaming性能的影响 | 第50-52页 |
| 4.4.4 max Rate Per Partition对BBM.Streaming性能的影响 | 第52-54页 |
| 4.4.5 durations对BBM.Streaming性能的影响 | 第54-56页 |
| 4.4.6 BBM.Streaming和online BBM、VFDT运行效率对比分析 | 第56-57页 |
| 4.5 本章小节 | 第57-59页 |
| 5 总结及展望 | 第59-61页 |
| 5.1 论文工作回顾 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文 | 第67-68页 |
