| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.2 国内外相关研究现状和综述 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 Hadoop及关联规则算法综述 | 第16-42页 |
| 2.1 Hadoop综述 | 第16-17页 |
| 2.2 HDFS简介 | 第17-23页 |
| 2.2.1 HDFS的架构 | 第17-19页 |
| 2.2.2 HDFS的特性 | 第19-21页 |
| 2.2.3 HDFS文件系统的可靠性和元数据持久化 | 第21-23页 |
| 2.3 MapReduce模型 | 第23-27页 |
| 2.3.1 MapReduce的框架结构 | 第24-25页 |
| 2.3.2 MapReduce的运行原理 | 第25-27页 |
| 2.4 YARN：统一资源管理和调度平台 | 第27-34页 |
| 2.4.1 统一资源管理和调度平台泛型 | 第28-30页 |
| 2.4.2 YARN的架构 | 第30-34页 |
| 2.5 频繁项集和关联规则 | 第34-40页 |
| 2.5.1 Apriori算法 | 第36-37页 |
| 2.5.2 FP-Growth算法 | 第37-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第三章 多重最小支持度模型的研究与优化 | 第42-50页 |
| 3.1 稀少数据项问题及扩展的传统关联规则模型 | 第42-44页 |
| 3.2 基本定义 | 第44-45页 |
| 3.3 改进的多重最小支持度模型 | 第45-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 PCFP-Growth关联规则算法的研究与实现 | 第50-68页 |
| 4.1 问题描述 | 第50-52页 |
| 4.2 基于MapReduce框架的PCFP-Growth算法的实现 | 第52-60页 |
| 4.2.1 碎片化及并行计数 | 第53页 |
| 4.2.2 数据项分组 | 第53-56页 |
| 4.2.3 PCFP-Growth | 第56-60页 |
| 4.3 PCFP-Growth算法性能评估 | 第60-67页 |
| 4.3.1 实验环境 | 第60-62页 |
| 4.3.2 实验数据 | 第62页 |
| 4.3.3 实验结果及分析 | 第62-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 论文的总结与不足 | 第68页 |
| 5.2 未来研究方向 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
