基于Spark的零部件尺寸测量数据聚类分析技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.2 相关技术研究进展 | 第9-13页 |
| 1.2.1 聚类算法研究现状 | 第9-10页 |
| 1.2.2 分布式计算框架现状 | 第10-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 文章组织结构安排 | 第13-15页 |
| 2 理论基础和技术框架 | 第15-26页 |
| 2.1 图抽象和图割理论 | 第15-17页 |
| 2.2 谱聚类算法 | 第17-20页 |
| 2.3 Spark计算框架 | 第20-24页 |
| 2.3.1 Spark弹性分布式数据集 | 第22-23页 |
| 2.3.2 Spark架构 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 3 基于堆的k近邻快速搜索 | 第26-34页 |
| 3.1 堆数据结构 | 第26-30页 |
| 3.1.1 堆特殊性质 | 第26-28页 |
| 3.1.2 堆内部操作设计 | 第28-30页 |
| 3.2 效率改进策略 | 第30页 |
| 3.3 基于堆的k近邻快速搜索算法 | 第30-32页 |
| 3.4 效率对比实验 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 基于邻域共存的相似图约减 | 第34-42页 |
| 4.1 可靠性提升策略 | 第34-35页 |
| 4.1.1 正确性分析 | 第35页 |
| 4.1.2 概率解释 | 第35页 |
| 4.2 邻域共存约减算法设计 | 第35-37页 |
| 4.3 尺度选择 | 第37页 |
| 4.4 聚类性能实验 | 第37-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 HCKNNSC并行化设计与实现 | 第42-51页 |
| 5.1 HCKNNSC并行化设计 | 第42-45页 |
| 5.1.1 相似矩阵计算 | 第42-43页 |
| 5.1.2 并行化计算前k特征向量 | 第43-45页 |
| 5.1.3 并行划分多个类簇 | 第45页 |
| 5.2 基于Spark实现 | 第45-48页 |
| 5.2.1 程序接口 | 第46页 |
| 5.2.2 算法实现 | 第46-48页 |
| 5.3 算法复杂度分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 6 实验结果与分析 | 第51-61页 |
| 6.1 尺寸测量数据实验 | 第51-55页 |
| 6.2 并行实验分析 | 第55-60页 |
| 6.2.1 并行评价指标 | 第56页 |
| 6.2.2 并行实验结果 | 第56-60页 |
| 6.3 本章小结 | 第60-61页 |
| 7 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |
