大数据清洗系统中优化技术的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.1.1 课题的来源 | 第10页 |
| 1.1.2 课题研究的背景和意义 | 第10-11页 |
| 1.2 MAPREDUCE程序优化的相关研究 | 第11-14页 |
| 1.2.1 GT分组技术 | 第12-13页 |
| 1.2.2 GGT普遍化的分组技术 | 第13-14页 |
| 1.3 有关数据清洗的研究 | 第14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 本文的结构 | 第15-16页 |
| 第2章 预备知识与优化方法 | 第16-25页 |
| 2.1 海量数据清洗系统概述 | 第16-17页 |
| 2.2 FLI三层体系的提出 | 第17-18页 |
| 2.3 利用FLI三层体系进行优化 | 第18-25页 |
| 2.3.1 构建Logical Layer | 第18-22页 |
| 2.3.2 优化方法 | 第22-25页 |
| 第3章 实体识别子系统优化的研究 | 第25-37页 |
| 3.1 实体识别系统的实现 | 第25-28页 |
| 3.1.1 预处理模块 | 第25-26页 |
| 3.1.2 初步聚类模块 | 第26-27页 |
| 3.1.3 实体识别模块 | 第27-28页 |
| 3.1.4 实体划分模块 | 第28页 |
| 3.2 分析与优化 | 第28-32页 |
| 3.2.1 实体识别系统的分析 | 第28-30页 |
| 3.2.2 优化方案及实施 | 第30-32页 |
| 3.2.3 优化前后对比分析 | 第32页 |
| 3.3 实验结果及分析 | 第32-35页 |
| 3.3.1 数据集合的大小对优化效果的影响 | 第32-33页 |
| 3.3.2 集群的并行化程度对优化效果的影响 | 第33-34页 |
| 3.3.3 数据集的属性个数对优化效果的影响 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 不一致修复子系统优化的研究 | 第37-53页 |
| 4.1 不一致数据修复系统地实现 | 第37-43页 |
| 4.1.1 预处理模块 | 第37-39页 |
| 4.1.2 不一致数据检测与修复模块 | 第39-42页 |
| 4.1.3 不一致数据检测模块 | 第42-43页 |
| 4.1.4 后处理模块 | 第43页 |
| 4.2 分析与优化 | 第43-49页 |
| 4.2.1 不一致数据修复系统的分析 | 第43-45页 |
| 4.2.2 优化方案与实施 | 第45-48页 |
| 4.2.3 优化前后对比分析 | 第48-49页 |
| 4.3 实验结果及分析 | 第49-51页 |
| 4.3.1 加速比验证实验 | 第49页 |
| 4.3.2 扩展性验证实验 | 第49-50页 |
| 4.3.3 并行性验证实验 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 缺失值填充子系统的优化 | 第53-65页 |
| 5.1 缺失值填充系统的实现 | 第53-57页 |
| 5.1.1 参数估计模块 | 第53-55页 |
| 5.1.2 连接模块 | 第55-56页 |
| 5.1.3 填充模块 | 第56-57页 |
| 5.2 分析与优化 | 第57-61页 |
| 5.2.1 缺失值填充系统分析 | 第57-60页 |
| 5.2.2 优化方案与实施 | 第60-61页 |
| 5.2.3 优化前后对比分析 | 第61页 |
| 5.3 实验结果及分析 | 第61-64页 |
| 5.3.1 缺失率对优化效果的影响 | 第62-63页 |
| 5.3.2 扩展性验证实验 | 第63页 |
| 5.3.3 并行性验证实验 | 第63-64页 |
| 5.4 本章小节 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文 | 第70-72页 |
| 致谢 | 第72页 |
