| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.3 课题研究目的及意义 | 第17-19页 |
| 1.4 本文主要工作及文章结构 | 第19-21页 |
| 第二章 相关技术 | 第21-33页 |
| 2.1 云计算 | 第21-24页 |
| 2.2 大数据 | 第24-25页 |
| 2.3 数据挖掘平台 | 第25-31页 |
| 2.4 流数据挖掘 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 机器学习平台总体架构 | 第33-37页 |
| 3.1 Spark架构思路 | 第33-35页 |
| 3.2 平台整体架构 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 机器学习算法设计与实现 | 第37-63页 |
| 4.1 设计原则 | 第37-40页 |
| 4.1.1 实用性 | 第37页 |
| 4.1.2 面向对象封装 | 第37-40页 |
| 4.1.3 并行优化 | 第40页 |
| 4.2 回归-并行Linear Regression | 第40-43页 |
| 4.3 分类-并行Support Vector Machine | 第43-46页 |
| 4.4 聚类-并行KMeans | 第46-49页 |
| 4.5 推荐-矩阵分解 | 第49-54页 |
| 4.6 图算法-PageRank | 第54-59页 |
| 4.7 数据流算法 | 第59-62页 |
| 4.8 本章小结 | 第62-63页 |
| 第五章 机器学习算法结果评估 | 第63-73页 |
| 5.1 评估指标 | 第63-65页 |
| 5.1.1 平均运行时间 | 第63页 |
| 5.1.2 加速比 | 第63-64页 |
| 5.1.3 可扩展性 | 第64页 |
| 5.1.4 吞吐量 | 第64-65页 |
| 5.2 实验环境 | 第65-66页 |
| 5.3 评估对比 | 第66-71页 |
| 5.3.1 运行性能对比 | 第66-69页 |
| 5.3.2 并行加速比 | 第69页 |
| 5.3.3 吞吐量 | 第69-71页 |
| 5.4 Spark性能优化总结 | 第71-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表论文及科研情况 | 第80-81页 |
| 致谢 | 第81页 |