首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于Hadoop的大数据关联规则挖掘算法的研究与实现

摘要第5-7页
Abstract第7-8页
第一章 绪论第11-17页
    1.1 研究背景及意义第11-13页
        1.1.1 研究背景第11-12页
        1.1.2 研究意义第12-13页
    1.2 国内外研究现状第13-15页
    1.3 本论文所做的工作第15-16页
    1.4 本论文的组织结构第16-17页
第二章 相关技术研究第17-31页
    2.1 关联规则挖掘概念第17-18页
    2.2 关联规则挖掘分类第18页
    2.3 关联规则挖掘算法第18-25页
        2.3.1 经典数据挖掘算法—Apriori第18-21页
        2.3.2 Apriori算法的改进第21-22页
        2.3.3 利用树形数据结构进行压缩的算法—FPGrowth第22-25页
    2.4 并行化平台Hadoop的研究第25-30页
        2.4.1 Hadoop概述第25-27页
        2.4.2 并行化计算模型—MapReduce第27-28页
        2.4.3 分布式文件系统—HDFS第28-30页
    2.5 本章小结第30-31页
第三章PrePost算法的分析与改进第31-44页
    3.1 PrePost算法中的数据结构定义第31-35页
        3.1.1 PPC-Tree树定义第31-32页
        3.1.2 PPCode编码定义第32-33页
        3.1.3 N-list结构定义第33-35页
    3.2 PrePost算法概述第35-41页
        3.2.1 PrePost算法流程第35-41页
        3.2.2 PrePost算法的优缺点第41页
    3.3 对PrePost算法的改进第41-43页
    3.4 本章小结第43-44页
第四章 一种基于Hadoop平台的MRPrePost挖掘算法第44-60页
    4.1 MRPrePost算法概述第44-54页
        4.1.1 统计频繁1项集第45-46页
        4.1.2 对F-list均匀分组第46-47页
        4.1.3 并行挖掘频繁模式第47-54页
    4.2 分布式集群中的负载均衡策略研究第54-58页
        4.2.1 负载均衡的定义第54页
        4.2.2 基于负载均衡的MRPrePost算法的分组依据第54-56页
        4.2.3 负载均衡化的分组策略第56页
        4.2.4 负载均衡下的分组过程第56-58页
    4.3 分布式集群通信量第58-59页
    4.4 本章小结第59-60页
第五章MRPrePost算法的性能测试与分析第60-68页
    5.1 实验数据与环境第60-62页
        5.1.1 实验数据第60页
        5.1.2 实验环境第60-62页
    5.2 实验结果与分析第62-67页
    5.3 本章小结第67-68页
总结与展望第68-70页
参考文献第70-74页
攻读硕士学位期间取得的研究成果第74-75页
致谢第75-76页
附件第76页

论文共76页,点击 下载论文
上一篇:基于无人机的红外图像和可见光图像配准及融合算法研究
下一篇:基于强化学习的移动机器人路径规划研究与实现