基于spark平台的数据填充技术研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景与研究意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 数据清洗研究现状 | 第11-12页 |
| 1.3 分布式计算研究现状 | 第12-13页 |
| 1.4 研究内容和章节结构 | 第13-15页 |
| 1.4.1 主要研究内容 | 第13-14页 |
| 1.4.2 论文章节结构 | 第14-15页 |
| 第二章 相关技术分析 | 第15-23页 |
| 2.1 数据清洗技术 | 第15-17页 |
| 2.1.1 数据质量问题分类 | 第15-16页 |
| 2.1.2 数据质量检验标准 | 第16-17页 |
| 2.2 Spark平台介绍 | 第17-22页 |
| 2.2.1 Spark平台组成 | 第17-18页 |
| 2.2.2 应用提交逻辑 | 第18-19页 |
| 2.2.3 RDD原理介绍 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于Apriori的数据填充算法 | 第23-37页 |
| 3.1 空缺值清洗研究 | 第23-24页 |
| 3.2 关联规则关键指标 | 第24-26页 |
| 3.3 改进型规则提取流程 | 第26-31页 |
| 3.3.1 数据预处理 | 第26-28页 |
| 3.3.2 构建属性映射表 | 第28-29页 |
| 3.3.3 项集增长与剪枝策略 | 第29-30页 |
| 3.3.4 最大置信度规则选取策略 | 第30-31页 |
| 3.4 算法步骤 | 第31-33页 |
| 3.5 仿真实验 | 第33-36页 |
| 3.5.1 实验环境 | 第33-34页 |
| 3.5.2 实验结果 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于Spark的数据填充系统设计与实现 | 第37-57页 |
| 4.1 填充算法并行化设计 | 第37-39页 |
| 4.2 内存计算优化策略 | 第39-44页 |
| 4.2.1 属性映射表构建 | 第39-40页 |
| 4.2.2 属性映射表查询 | 第40-41页 |
| 4.2.3 数据集缓存优化 | 第41页 |
| 4.2.4 广播变量应用 | 第41-42页 |
| 4.2.5 负载均衡优化 | 第42-44页 |
| 4.3 Spark平台设计及实现 | 第44-48页 |
| 4.3.1 Spark平台设计 | 第44-47页 |
| 4.3.2 实验结果 | 第47-48页 |
| 4.4 数据填充系统实现 | 第48-54页 |
| 4.4.1 系统功能及架构 | 第48-50页 |
| 4.4.2 系统模块设计 | 第50-54页 |
| 4.5 本章小结 | 第54-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作结论 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
