| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 1 绪论 | 第12-23页 |
| 1.1 论文的研究背景与意义 | 第12页 |
| 1.2 国内外研究综述 | 第12-19页 |
| 1.2.1 频繁项集挖掘 | 第12-14页 |
| 1.2.2 分布式环境下的频繁项集挖掘 | 第14-16页 |
| 1.2.3 数据流频繁项集挖掘 | 第16-19页 |
| 1.3 论文的研究内容 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 1.5 论文的创新点 | 第22-23页 |
| 2 相关理论概述 | 第23-35页 |
| 2.1 数据挖掘及其应用 | 第23-24页 |
| 2.2 数据流挖掘 | 第24-27页 |
| 2.2.1 数据流及其特点 | 第24-25页 |
| 2.2.2 数据流挖掘的关键技术 | 第25-27页 |
| 2.3 流计算平台Storm | 第27-30页 |
| 2.3.1 Storm简介 | 第27-28页 |
| 2.3.2 Storm的特点 | 第28-29页 |
| 2.3.3 Storm与Spark Streaming的对比分析 | 第29-30页 |
| 2.3.4 Storm的应用 | 第30页 |
| 2.4 倾斜时间窗口模型 | 第30-32页 |
| 2.5 kafka概述 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 3 频繁项集挖掘的相关算法 | 第35-47页 |
| 3.1 频繁项集挖掘的相关概念 | 第35页 |
| 3.2 传统频繁项集挖掘的算法 | 第35-38页 |
| 3.2.1 Apriori算法 | 第35-37页 |
| 3.2.2 FP-Growth算法 | 第37-38页 |
| 3.3 并行频繁项集挖掘的算法 | 第38-43页 |
| 3.3.1 CD算法 | 第38-40页 |
| 3.3.2 PFP算法 | 第40-43页 |
| 3.4 数据流频繁项集挖掘的算法 | 第43-46页 |
| 3.4.1 FP-Stream算法 | 第43-45页 |
| 3.4.2 Lossy Counting算法 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 基于滑动窗口的数据流频繁项集挖掘算法 | 第47-61页 |
| 4.1 滑动窗口在数据流中的应用 | 第47-49页 |
| 4.2 字节序列表示法 | 第49-51页 |
| 4.3 DMFIDS算法描述 | 第51-54页 |
| 4.4 实验结果与分析 | 第54-60页 |
| 4.4.1 实验数据与实验环境 | 第54-55页 |
| 4.4.2 DMFIDS算法自身性能分析 | 第55-57页 |
| 4.4.3 DMFIDS算法与FP-Stream算法的对比分析 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 基于Storm的数据流频繁项集挖掘原型系统 | 第61-69页 |
| 5.1 需求分析 | 第61-62页 |
| 5.2 系统的设计目标 | 第62-63页 |
| 5.3 系统设计 | 第63-67页 |
| 5.3.1 系统架构设计 | 第63-64页 |
| 5.3.2 数据收集模块设计 | 第64-66页 |
| 5.3.3 数据处理模块设计 | 第66-67页 |
| 5.3.4 数据存储模块设计 | 第67页 |
| 5.4 本章小结 | 第67-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表的论文及科研情况 | 第77-78页 |
| 附录一 实验核心代码 | 第78-83页 |