| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 本文组织结构 | 第11-12页 |
| 第2章 相关技术研究 | 第12-30页 |
| 2.1 大数据处理平台Hadoop | 第12-23页 |
| 2.1.1 HDFS文件系统 | 第12-16页 |
| 2.1.2 MapReduce分布式编程框架 | 第16-20页 |
| 2.1.3 Hadoop集群搭建 | 第20-23页 |
| 2.2 关联规则算法研究 | 第23-29页 |
| 2.2.1 基础理论 | 第23-24页 |
| 2.2.2 关联规则算法分类 | 第24-25页 |
| 2.2.3 经典关联规则算法 | 第25-28页 |
| 2.2.4 基于Hadoop的关联规则算法研究 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于Hadoop平台的Apriori并行化算法改进研究 | 第30-38页 |
| 3.1 Apriori算法并行化 | 第30-31页 |
| 3.1.1 算法改进方向 | 第30页 |
| 3.1.2 算法并行化分析 | 第30-31页 |
| 3.2 POP-Apriori算法的设计与实现 | 第31-34页 |
| 3.2.1 最高阶次确定 | 第31-32页 |
| 3.2.2 算法实现流程 | 第32-34页 |
| 3.3 实验结果分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于Hadoop平台的Eclat并行化算法改进研究 | 第38-54页 |
| 4.1 Eclat算法 | 第38-41页 |
| 4.1.1 垂直数据库的表示 | 第38-39页 |
| 4.1.2 计算支持度的方法 | 第39页 |
| 4.1.3 概念格理论 | 第39-41页 |
| 4.2 基于划分的并行化D-MREclat算法 | 第41-48页 |
| 4.2.1 基于范围划分的思想 | 第41-42页 |
| 4.2.2 优化存储策略 | 第42-43页 |
| 4.2.3 D-MREclat算法实例 | 第43-46页 |
| 4.2.4 实验结果与分析 | 第46-48页 |
| 4.3 基于前缀分组的并行化A-MREclat算法 | 第48-52页 |
| 4.3.1 算法设计思想 | 第48-49页 |
| 4.3.2 基于前缀的划分方法 | 第49-50页 |
| 4.3.3 A-MREclat算法实现流程 | 第50-51页 |
| 4.3.4 实验分析 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 本文主要工作 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 攻读学位期间取得的研究成果 | 第58-60页 |
| 致谢 | 第60-61页 |
