| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究历史与现状 | 第11-12页 |
| 1.3 本文的研究内容和主要工作 | 第12-13页 |
| 1.4 本论文的结构安排 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 SPARK云计算平台概述 | 第14-27页 |
| 2.1 SPARK云计算平台简介 | 第14-15页 |
| 2.2 SPARK生态系统 | 第15-24页 |
| 2.2.1 Spark Core | 第16页 |
| 2.2.2 SparkStreaming | 第16-18页 |
| 2.2.3 SparkSQL | 第18-20页 |
| 2.2.4 BlinkDB | 第20页 |
| 2.2.5 MLBase/Mlib | 第20-21页 |
| 2.2.6 GraphX | 第21-22页 |
| 2.2.7 SparkR | 第22-23页 |
| 2.2.8 Tachyon | 第23-24页 |
| 2.3 SPARK和HADOOP的差异 | 第24-25页 |
| 2.4 SPARK的适用场景 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 数据挖掘技术基础及KNN算法研究 | 第27-43页 |
| 3.1 数据挖掘概述 | 第27-28页 |
| 3.1.1 数据挖掘的定义 | 第27页 |
| 3.1.2 数据挖掘的过程 | 第27-28页 |
| 3.2 分类算法概述 | 第28-38页 |
| 3.2.1 分类的定义 | 第28页 |
| 3.2.2 分类算法的一般步骤 | 第28-29页 |
| 3.2.3 常用分类算法概述 | 第29-38页 |
| 3.3 KNN分类算法介绍 | 第38-42页 |
| 3.3.1 KNN算法的原理 | 第38页 |
| 3.3.2 KNN算法的实现 | 第38页 |
| 3.3.3 KNN算法的优缺点 | 第38-41页 |
| 3.3.4 KNN算法的改进 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 KNN算法改进研究 | 第43-49页 |
| 4.1 改进的KNN分类算法介绍 | 第43-46页 |
| 4.1.1 KNN分类算法的关键改进点 | 第43页 |
| 4.1.2 KNN分类算法的优化点 | 第43-46页 |
| 4.2 改进的KNN分类算法实现 | 第46-48页 |
| 4.2.1 改进KNN分类算法的步骤 | 第46-47页 |
| 4.2.2 改进KNN分类算法的具体实现 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 基于SPARK的改进KNN算法并行化研究 | 第49-58页 |
| 5.1 SPARK云计算平台的搭建 | 第49-52页 |
| 5.1.1 软硬件条件准备 | 第49页 |
| 5.1.2 Spark云计算平台搭建步骤 | 第49-52页 |
| 5.2 改进的KNN算法并行化设计 | 第52-54页 |
| 5.2.1 算法并行化设计方法 | 第52-53页 |
| 5.2.2 算法并行化具体设计 | 第53-54页 |
| 5.3 改进的KNN算法并行化实现 | 第54-57页 |
| 5.3.1 算法的实现思想 | 第54页 |
| 5.3.2 算法的核心代码 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 实验结果与分析 | 第58-70页 |
| 6.1 实验平台 | 第58页 |
| 6.2 实验数据 | 第58页 |
| 6.3 实验评价标准 | 第58-59页 |
| 6.4 实验结果与分析 | 第59-69页 |
| 6.4.1 改进的KNN算法的实验结果分析 | 第59-63页 |
| 6.4.2 基于Spark的并行化的改进KNN算法的实验结果分析 | 第63-69页 |
| 6.5 本章小结 | 第69-70页 |
| 第七章 全文总结与展望 | 第70-71页 |
| 7.1 全文总结 | 第70页 |
| 7.2 后续工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |