面向实时流程对象并行知识发现的算法研究
| 摘要 | 第6-8页 |
| abstract | 第8-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究的目的和意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 论文的主要研究内容与创新点 | 第15-17页 |
| 1.5 论文的组织结构 | 第17-18页 |
| 第二章 并行计算技术研究进展 | 第18-21页 |
| 2.1 引言 | 第18页 |
| 2.2 并行计算平台Spark | 第18-19页 |
| 2.3 并行计算评价指标 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 一种基于密度网络的数据流聚类算法 | 第21-32页 |
| 3.1 问题描述 | 第21-22页 |
| 3.2 DEGDS算法框架 | 第22-23页 |
| 3.3 DEGDS算法描述与分析 | 第23-27页 |
| 3.4 算法实验与性能评价 | 第27-31页 |
| 3.4.1 聚类纯度评估 | 第28-29页 |
| 3.4.2 执行效率测试 | 第29页 |
| 3.4.3 参数设置 | 第29-30页 |
| 3.4.4 加速比 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于中心权值的数据流聚类算法 | 第32-45页 |
| 4.1 引言 | 第32页 |
| 4.2 CW-Stream算法的描述及分析 | 第32-38页 |
| 4.2.1 中心加权系数 | 第33-34页 |
| 4.2.2 基于中心权值的数据流微簇 | 第34-36页 |
| 4.2.3 算法的细节实现及初始化过程 | 第36-37页 |
| 4.2.4 离线聚类 | 第37-38页 |
| 4.3 算法实验与性能评价 | 第38-44页 |
| 4.3.1 聚类质量评价 | 第39-41页 |
| 4.3.2 Rand指数和互信息NMI | 第41-42页 |
| 4.3.3 聚类效率 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 一种基于数据流的并行增量关联规则算法研究 | 第45-60页 |
| 5.1 问题描述 | 第45-46页 |
| 5.2 PIMH算法描述 | 第46-53页 |
| 5.2.1 基于原数据集的并行频繁项集挖掘 | 第47-49页 |
| 5.2.2 基于增量的并行频繁项集挖掘算法 | 第49-53页 |
| 5.3 算法实验与性能评价 | 第53-59页 |
| 5.3.1 算法可扩展性评估 | 第54-55页 |
| 5.3.2 算法效率评估 | 第55-56页 |
| 5.3.3 集群的可伸缩性 | 第56-57页 |
| 5.3.4 加速比评估 | 第57-59页 |
| 5.3.5 关联规则展示 | 第59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文工作的总结 | 第60-61页 |
| 6.2 未来工作的展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68-69页 |
