| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究工作与论文结构 | 第13-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 Spark 计算平台 | 第16-25页 |
| 2.1 简介与组织架构 | 第16-18页 |
| 2.2 核心思想与编程模型 | 第18-21页 |
| 2.3 工作原理 | 第21-23页 |
| 2.4 Spark 平台算法并行化一般概念 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 数据挖掘之聚类算法 | 第25-32页 |
| 3.1 聚类算法几种模型 | 第25-26页 |
| 3.2 聚类算法的比较 | 第26-29页 |
| 3.3 相似度计算与评价准则 | 第29-31页 |
| 3.3.1 相似度计算 | 第29-30页 |
| 3.3.2 评价准则 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 CURE 算法 | 第32-60页 |
| 4.1 CURE 算法思想 | 第32-34页 |
| 4.2 CURE 算法优缺点与改进探究 | 第34-37页 |
| 4.2.1 CURE 算法的优点与其同 K-means 的比较 | 第34页 |
| 4.2.2 CURE 算法的不足及现有改进 | 第34-37页 |
| 4.3 ACURE 算法 | 第37-46页 |
| 4.3.1 理论证明 | 第37-39页 |
| 4.3.2 算法原理 | 第39-41页 |
| 4.3.3 实验效果 | 第41-45页 |
| 4.3.4 收缩因子对速度的影响 | 第45-46页 |
| 4.3.5 复杂度分析 | 第46页 |
| 4.4 ACURE 算法的 Spark 并行化设计 | 第46-59页 |
| 4.4.1 数据并行 | 第46-55页 |
| 4.4.2 任务并行 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 ACURE 算法的应用与用户行为分析 | 第60-77页 |
| 5.1 实验效果比较 | 第60-67页 |
| 5.1.1 数据预处理 | 第60-63页 |
| 5.1.2 算法效果比较 | 第63-67页 |
| 5.2 用户行为分析 | 第67-76页 |
| 5.2.1 情景感知技术简介 | 第67-68页 |
| 5.2.2 用户时间偏好分析 | 第68-72页 |
| 5.2.3 用户兴趣爱好分析 | 第72-75页 |
| 5.2.4 终端分布情况 | 第75-76页 |
| 5.3 本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 总结 | 第77-78页 |
| 展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |