| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 大数据研究 | 第10-11页 |
| 1.2.2 关联规则算法的研究现状 | 第11-12页 |
| 1.2.3 Spark发展现状 | 第12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文结构 | 第13-14页 |
| 第二章 相关背景知识介绍 | 第14-22页 |
| 2.1 关联规则挖掘算法 | 第14-16页 |
| 2.1.1 基于MapReduce的并行化关联规则算法 | 第14-15页 |
| 2.1.2 基于Spark的并行化关联规则算法 | 第15-16页 |
| 2.2 Hadoop技术 | 第16-18页 |
| 2.2.1 分布式文件系统HDFS | 第16-17页 |
| 2.2.2 分布式运算模型MapReduce | 第17-18页 |
| 2.3 Spark技术 | 第18-21页 |
| 2.3.1 Spark体系结构 | 第18-19页 |
| 2.3.2 Spark编程模型 | 第19-20页 |
| 2.3.3 Spark任务调度管理原理 | 第20-21页 |
| 2.4 本章总结 | 第21-22页 |
| 第三章 关联规则算法的研究 | 第22-32页 |
| 3.1 关联规则算法的基本概念 | 第22-23页 |
| 3.2 经典关联规则挖掘算法Apriori | 第23-26页 |
| 3.2.1 Apriori算法原理 | 第23-25页 |
| 3.2.2 Apriori算法缺陷 | 第25-26页 |
| 3.3 改进Apriori算法研究 | 第26-30页 |
| 3.3.1 改进Apriori算法优化过程 | 第26-28页 |
| 3.3.2 改进算法的伪代码实现 | 第28-30页 |
| 3.4 改进Apriori算法性能评价 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于Spark平台关联规则算法并行化研究 | 第32-48页 |
| 4.1 并行计算 | 第32-34页 |
| 4.1.1 并行计算的基本概念 | 第32-33页 |
| 4.1.2 并行计算的复杂度 | 第33页 |
| 4.1.3 并行计算的性能评价 | 第33-34页 |
| 4.2 Spark并行框架 | 第34-36页 |
| 4.3 并行Apriori算法 | 第36-47页 |
| 4.3.1 Apriori算法并行化原理 | 第37-42页 |
| 4.3.2 改进Apriori算法示例分析 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 实验与分析 | 第48-56页 |
| 5.1 实验环境 | 第48-51页 |
| 5.1.1 集群环境配置 | 第48-50页 |
| 5.1.2 集群启动 | 第50-51页 |
| 5.2 实验数据 | 第51-52页 |
| 5.3 实验对比数据 | 第52-55页 |
| 5.3.1 不同规模数据集实验情况 | 第52-53页 |
| 5.3.2 不同支持度实验情况 | 第53-54页 |
| 5.3.3 不同集群规模实验情况 | 第54页 |
| 5.3.4 不同大数据平台实验情况 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56页 |
| 6.2 本文存在的不足 | 第56-57页 |
| 6.3 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间申请的专利 | 第61-62页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |