基于密度和倾斜时间窗口的分布式数据流聚类算法的研究

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

⑴数据流聚类算法

⑵数据流聚类算法的分布式实现

⑶倾斜时间窗口模型

⑷载客热点分析方案

1.3 论文的主要研究内容

1.4 论文组织结构

第二章 数据流挖掘与聚类

2.1 数据挖掘与数据流挖掘概述

2.1.1 数据挖掘

2.1.2 数据流模型

2.1.3 数据流挖掘

2.1.4 数据流挖掘的窗口模型

2.1.5 数据流挖掘的实现技术

2.2 聚类与数据流聚类概述

2.2.1 聚类

2.2.2 聚类算法

2.3 基于密度的数据流聚类算法DenStream

2.3.1 基本概念与性质

2.3.2 DenStream算法描述

2.3.3 DenStream算法的不足

2.4 分布式实时计算系统

2.4.1 分布式实时计算系统介绍

2.4.2 各系统的对比分析

2.5 本章小结

第三章 分布式数据流聚类算法及其基于Storm的实现

3.1 分布式数据流聚类算法D-DenStream

3.1.1 D-DenStream算法的主要思想

3.1.2 D-DenStream算法描述

3.2 基于Storm的D-DenStream算法方案设计

3.2.1 基于Storm的D-DenStream算法的关键问题

3.2.2 基于Storm的D-DenStream算法方案设计

3.3 实验与结果分析

3.3.1 实验环境

3.3.2 环境搭建

3.3.3 实验结果分析

3.4 本章小结

第四章 基于倾斜时间窗口的数据流聚类算法

4.1 基于倾斜时间窗口的数据流聚类算法TTW-DenStream

4.1.1 基本概念与性质

4.1.2 TTW-DenStream算法的主要思想

4.1.3 TTW-DenStream算法描述

4.2 TTW-DenStream算法的分布式方案设计

4.3 基于Storm的分布式TTW-DenStream算法方案设计

4.4 实验与结果分析

4.4.1 实验环境

4.4.2 ElasticSearch环境搭建

4.4.3 实验结果分析

4.5 TTW-DenStream算法在载客热点分析中的应用

4.6 本章小结

第五章 总结与展望

5.1 本文小结

5.2 未来展望

参考文献

在读期间公开发表的论文

致谢