| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 大数据研究现状 | 第11-12页 |
| 1.2.2 高校大数据研究现状 | 第12-13页 |
| 1.2.3 存在的问题 | 第13-14页 |
| 1.3 研究目标和内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 相关算法及技术 | 第16-27页 |
| 2.1 关联规则 | 第16-23页 |
| 2.1.1 基本概念 | 第16-17页 |
| 2.1.2 关联规则挖掘过程 | 第17-18页 |
| 2.1.3 Apriori算法 | 第18-22页 |
| 2.1.4 关联规则分类 | 第22-23页 |
| 2.2 分布式系统与MapReduce | 第23-26页 |
| 2.2.1 分布式系统结构模型 | 第24-25页 |
| 2.2.2 Hadoop与MapReduce | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 一种基于并行矩阵的Apriori算法 | 第27-38页 |
| 3.0 基于MapReduce的Apriori算法（Apriori_MR） | 第27页 |
| 3.1 基于矩阵的Apriori算法（Apriori_M） | 第27-29页 |
| 3.2 一种基于并行矩阵的Apriori算法（Apriori_PM） | 第29-34页 |
| 3.2.1 改进后算法流程 | 第29-30页 |
| 3.2.2 改进后算法设计实现 | 第30-31页 |
| 3.2.3 多阶段决策改进算法 | 第31-32页 |
| 3.2.4 算法实例分析 | 第32-34页 |
| 3.2.5 算法性能 | 第34页 |
| 3.3 算法实验分析 | 第34-36页 |
| 3.3.1 实验环境 | 第34-35页 |
| 3.3.2 实验数据 | 第35页 |
| 3.3.3 实验结果与分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 关联规则衡量标准及其改进 | 第38-49页 |
| 4.1 相关规则衡量标准 | 第38-41页 |
| 4.1.1 支持度-置信度 | 第38-39页 |
| 4.1.2 相对置信度 | 第39页 |
| 4.1.3 有效度 | 第39-40页 |
| 4.1.4 作用度（相关度） | 第40-41页 |
| 4.2 混合规则衡量标准及算法准确性改进 | 第41-46页 |
| 4.2.1 混合规则衡量标准 | 第41-44页 |
| 4.2.2 算法准确性改进 | 第44-46页 |
| 4.3 规则准确性实验分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于Map Reduce的学生成绩挖掘系统开发 | 第49-69页 |
| 5.1 系统需求分析 | 第49-50页 |
| 5.2 系统流程 | 第50-51页 |
| 5.3 学生数据预处理 | 第51-55页 |
| 5.3.1 挖掘数据源 | 第51页 |
| 5.3.2 数据预处理简介 | 第51-53页 |
| 5.3.3 数据预处理过程实例 | 第53-55页 |
| 5.4 规则特性分析 | 第55-57页 |
| 5.5 系统实现 | 第57-66页 |
| 5.5.1 规则生成模块 | 第58-60页 |
| 5.5.2 学生个人成绩预测模块 | 第60-62页 |
| 5.5.3 教师授课分类模块 | 第62-64页 |
| 5.5.4 教务管理者模块 | 第64-66页 |
| 5.6 挖掘结果准确性验证及分析 | 第66-68页 |
| 5.6.1 规则准确性验证 | 第66-67页 |
| 5.6.2 规则分析 | 第67-68页 |
| 5.7 本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| 6.1 工作总结 | 第69页 |
| 6.2 研究展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间参加的科研项目和成果 | 第76页 |
