| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景与选题依据 | 第10-14页 |
| ·论文主要工作 | 第14-15页 |
| ·论文组织 | 第15-17页 |
| 第二章 基本理论 | 第17-28页 |
| ·云计算模型 | 第17-19页 |
| ·数据挖掘相关知识 | 第19-22页 |
| ·频繁项集挖掘基本概念 | 第19页 |
| ·FP-Growth算法 | 第19-21页 |
| ·聚类 | 第21-22页 |
| ·云环境下的资源调度 | 第22-24页 |
| ·工作流任务调度 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 云环境下基于二进制编码聚类的并行频繁项集挖掘算法 | 第28-40页 |
| ·相关概念 | 第28-29页 |
| ·云环境下基于二进制编码的并行频繁项集挖掘算法 | 第29-36页 |
| ·数据集编码及聚类 | 第29-33页 |
| ·项集编码规则 | 第29-31页 |
| ·编码数据集的依赖度矩阵DM | 第31页 |
| ·数据集聚类及部署 | 第31-33页 |
| ·云环境下的并行频繁项集挖掘算法 | 第33-36页 |
| ·实验验证及分析 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 云环境下基于碎片影响度的提前预定资源调度策略 | 第40-51页 |
| ·相关概念 | 第40-41页 |
| ·云环境下基于碎片影响度的提前预定资源调度算法 | 第41-48页 |
| ·基于计算几何的资源调度模型 | 第42页 |
| ·基于碎片影响度的改进的资源调度策略 | 第42-48页 |
| ·平面划分区域搜索策略 | 第42-44页 |
| ·改进的平衡搜索树和资源调度策略 | 第44-48页 |
| ·实验验证及分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 云环境下基于依赖度分片的工作流调度算法 | 第51-63页 |
| ·相关概念 | 第51-52页 |
| ·基于依赖度分片的并行工作流调度 | 第52-59页 |
| ·工作流任务依赖度分片 | 第53-54页 |
| ·基于用户服务质量的工作流调度算法 | 第54-59页 |
| ·工作流参数初始化 | 第54-56页 |
| ·工作流调度算法 | 第56-59页 |
| ·实验验证及分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 结束语 | 第63-65页 |
| ·本文的主要研究成果 | 第63-64页 |
| ·未来的研究方向 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文 | 第73-74页 |
| 攻读学位期间参加的研究工作 | 第74-76页 |