| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 Spark和相关大数据技术综述 | 第13-23页 |
| 2.1 高数据量处理算法介绍 | 第13-17页 |
| 2.1.1 模型预测算法 | 第13-15页 |
| 2.1.2 特征选择算法 | 第15-16页 |
| 2.1.3 模型测试算法 | 第16-17页 |
| 2.2 大数据分析平台介绍 | 第17-22页 |
| 2.2.1 Hadoop平台介绍 | 第17-20页 |
| 2.2.2 Spark平台介绍 | 第20页 |
| 2.2.3 Storm平台介绍 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于神经网络的IPTV机顶盒故障预测模型 | 第23-38页 |
| 3.1 神经网络基本概念 | 第23页 |
| 3.2 神经网络中的超参数 | 第23-26页 |
| 3.2.1 激活函数 | 第23-24页 |
| 3.2.2 损失函数 | 第24-25页 |
| 3.2.3 正则化 | 第25-26页 |
| 3.3 神经网络中的网络模型 | 第26-31页 |
| 3.3.1 BP神经网络 | 第26-28页 |
| 3.3.2 卷积神经网络 | 第28-29页 |
| 3.3.3 受限玻尔兹曼机 | 第29-31页 |
| 3.4 基于神经网络的机顶盒故障预测模型 | 第31-37页 |
| 3.4.1 数据集简介与特征选择 | 第31-34页 |
| 3.4.2 参数选择与实验结果 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于Spark的系统架构设计 | 第38-60页 |
| 4.1 基于Spark的IPTV机顶盒故障预测实现架构 | 第38页 |
| 4.2 数据采集模块 | 第38-41页 |
| 4.3 数据存储模块 | 第41-45页 |
| 4.4 数据挖掘与分析模块 | 第45-47页 |
| 4.4.1 Spark MLib架构 | 第45-46页 |
| 4.4.2 Spark MLlib神经网络模块 | 第46-47页 |
| 4.5 数据可视化模块 | 第47-52页 |
| 4.5.1 现有主流可视化工具 | 第47-48页 |
| 4.5.2 可视化方法 | 第48-52页 |
| 4.6 系统监控及测试模块 | 第52-54页 |
| 4.6.1 系统监控模块 | 第52-54页 |
| 4.6.2 系统性能测试模块 | 第54页 |
| 4.7 系统展示 | 第54-58页 |
| 4.8 本章小结 | 第58-60页 |
| 第五章 总结和展望 | 第60-62页 |
| 5.1 论文工作总结 | 第60-61页 |
| 5.2 进一步展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |