论文目录 | |
| 摘要 | 第1-7页 |
| abstract | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 研究内容与技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 第二章 空间数据挖掘概述 | 第20-27页 |
| 2.1 空间数据挖掘的概念 | 第20-22页 |
| 2.2 空间聚类分析 | 第22-23页 |
| 2.2.1 基于层次的聚类方法 | 第22页 |
| 2.2.2 基于划分的聚类方法 | 第22页 |
| 2.2.3 基于网格的聚类方法 | 第22-23页 |
| 2.2.4 基于密度的聚类方法 | 第23页 |
| 2.3 DBSCAN聚类算法理论 | 第23-26页 |
| 2.3.1 DBSCAN算法基本概念 | 第23-25页 |
| 2.3.2 DBSCAN算法处理流程 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 Spark平台及相关技术 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 Hadoop平台简介 | 第27-29页 |
| 3.3 Spark平台简介 | 第29-34页 |
| 3.3.1 Spark平台概述 | 第29-32页 |
| 3.3.2 Spark平台架构 | 第32-33页 |
| 3.3.3 Spark数据存储 | 第33页 |
| 3.3.4 Spark程序模型 | 第33-34页 |
| 3.4 Docker容器虚拟化技术 | 第34-35页 |
| 3.5 Yarn资源管理器 | 第35-36页 |
| 3.6 Mesos资源管理器 | 第36-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 基于Spark平台的DBSCAN算法并行化实现与优化 | 第39-57页 |
| 4.1 DBSCAN串行算法实现 | 第39-40页 |
| 4.2 DBSCAN算法串行程序热点分析 | 第40-42页 |
| 4.3 DBSCAN算法并行化分析与设计 | 第42-56页 |
| 4.3.1 DBSCAN算法整体并行化策略 | 第42-43页 |
| 4.3.2 单节点Spark平台并行算法的实现 | 第43-49页 |
| 4.3.3 单节点Spark平台并行算法优化 | 第49-53页 |
| 4.3.4 基于Docker虚拟集群的并行算法 | 第53页 |
| 4.3.5 基于Yarn资源管理器的并行算法 | 第53-55页 |
| 4.3.6 基于Mesos资源管理器的并行算法 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 并行算法性能测试与分析 | 第57-70页 |
| 5.1 实验平台及配置 | 第57-58页 |
| 5.2 实验数据 | 第58页 |
| 5.3 并行算法性能评价指标 | 第58-59页 |
| 5.4 实验内容 | 第59页 |
| 5.5 测试结果及分析 | 第59-69页 |
| 5.5.1 单节点Spark平台并行算法测试 | 第59-60页 |
| 5.5.2 单节点Spark平台并行算法优化实验 | 第60-62页 |
| 5.5.3 基于单节点Spark与OpenMP并行算法对比 | 第62-63页 |
| 5.5.4 基于Docker的Spark并行算法测试 | 第63-64页 |
| 5.5.5 基于Yarn的Spark并行算法测试 | 第64-65页 |
| 5.5.6 基于Mesos的Spark并行算法测试 | 第65-67页 |
| 5.5.7 基于Spark与Hadoop集群平台并行算法对比 | 第67-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 基于Spark平台的DBSCAN城市拥堵区域发现应用 | 第70-77页 |
| 6.1 交通拥堵区域发现概述 | 第70页 |
| 6.2 基于Spark平台并行算法的城市拥堵区域发现 | 第70-71页 |
| 6.3 实验数据与平台 | 第71-72页 |
| 6.4 实验测试与分析 | 第72-76页 |
| 6.5 本章小结 | 第76-77页 |
| 第七章 总结与展望 | 第77-79页 |
| 7.1 研究工作总结 | 第77页 |
| 7.2 研究展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间取得的成果 | 第85-86页 |
