| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 课题的来源和研究意义 | 第9页 |
| 1.3 国内外研究现状及分析 | 第9-10页 |
| 1.4 论文的整体结构 | 第10-11页 |
| 2 分布式数据挖掘概述 | 第11-27页 |
| 2.1 数据挖掘概述 | 第11-16页 |
| 2.1.1 数据挖掘算法 | 第11-13页 |
| 2.1.2 分布式数据挖掘 | 第13-16页 |
| 2.2 MapReduce编程模型 | 第16-19页 |
| 2.2.1 MapReduce编程模式原理 | 第16-17页 |
| 2.2.2 MapReduce编程模式的执行过程 | 第17-19页 |
| 2.3 Hadoop分布式框架 | 第19-26页 |
| 2.3.1 分布式文件系统HDFS | 第20-24页 |
| 2.3.2 Hadoop中MapReduce的工作原理 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于MapReduce数据挖掘算法设计 | 第27-50页 |
| 3.1 并行数据挖掘算法设计背景 | 第27-29页 |
| 3.2 并行聚类算法 | 第29-41页 |
| 3.2.1 经典K-means算法分析 | 第29-30页 |
| 3.2.2 并行K-means算法实现 | 第30-36页 |
| 3.2.3 并行K-means算法代码实现 | 第36-41页 |
| 3.3 并行分类算法 | 第41-44页 |
| 3.3.1 经典贝叶斯分类算法分析 | 第41-42页 |
| 3.3.2 并行贝叶斯分类算法设计 | 第42-44页 |
| 3.4 并行关联规则算法 | 第44-49页 |
| 3.4.1 经典FP-Growth算法分析 | 第45-46页 |
| 3.4.2 并行FP-Growth算法设计 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 并行数据挖掘算法在人口系统中的应用 | 第50-56页 |
| 4.1 数据准备 | 第50-51页 |
| 4.2 数据清理 | 第51-53页 |
| 4.3 实验结果及分析 | 第53-55页 |
| 4.3.1 实验环境搭建 | 第53-54页 |
| 4.3.2 实验结果 | 第54页 |
| 4.3.3 实验结果分析 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 在学期间发表的学术论文 | 第60-61页 |
| 详细摘要 | 第61-68页 |