数据挖掘中海量数据处理算法的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究的背景与意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·论文研究的主要内容 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 2 海量数据处理技术 | 第14-20页 |
| ·并行处理技术 | 第14-16页 |
| ·分布式计算 | 第15-16页 |
| ·云计算 | 第16页 |
| ·随机抽样方法 | 第16-17页 |
| ·内存映射文件技术 | 第17-18页 |
| ·粒计算 | 第18-19页 |
| ·小结 | 第19-20页 |
| 3 粒计算与 Apriori 关联规则挖掘算法 | 第20-26页 |
| ·粒计算理论知识介绍 | 第20-23页 |
| ·粒计算的概念 | 第20-21页 |
| ·粒的计算 | 第21-22页 |
| ·粒计算的主要模型 | 第22-23页 |
| ·Apriori 关联规则挖掘算法 | 第23-25页 |
| ·Apriori 算法 | 第23-25页 |
| ·小结 | 第25-26页 |
| 4 基于矩阵压缩的 Apriori 算法改进 | 第26-34页 |
| ·相关概念和性质 | 第26-27页 |
| ·改进的 Apriori 算法 | 第27-29页 |
| ·改进算法的思路 | 第27-28页 |
| ·改进的 Apriori 算法 | 第28-29页 |
| ·算法分析与测试 | 第29-32页 |
| ·算法分析 | 第29-30页 |
| ·算法测试 | 第30-32页 |
| ·小结 | 第32-34页 |
| 5 基于粒计算的关联规则挖掘算法 | 第34-40页 |
| ·基于粒计算的关联规则挖掘算法 | 第34-38页 |
| ·粒计算的关联规则挖掘算法的设计思想 | 第34-35页 |
| ·基于粒计算的关联规则挖掘算法具体描述 | 第35-36页 |
| ·Grc-AR 算法的实例验证 | 第36-38页 |
| ·强关联规则挖掘算法 | 第38-39页 |
| ·强关联规则 | 第38页 |
| ·强关联规则挖掘算法 Generate_AR | 第38-39页 |
| ·Grc-AR 算法的性能分析 | 第39页 |
| ·小结 | 第39-40页 |
| 6 算法应用 | 第40-62页 |
| ·电信数据挖掘目标定义 | 第40-41页 |
| ·电信数据的选择 | 第41-45页 |
| ·电信数据的特点 | 第41页 |
| ·电信数据的选择 | 第41-45页 |
| ·电信数据预处理 | 第45-53页 |
| ·数据预处理的意义 | 第45-46页 |
| ·数据预处理流程 | 第46页 |
| ·电信数据的预处理 | 第46-53页 |
| ·关联规则挖掘算法在电信业中应用 | 第53-60页 |
| ·Grc-AR 算法在电信数据中的实现 | 第53-56页 |
| ·算法比较 | 第56-58页 |
| ·电信数据挖掘结果测试 | 第58-59页 |
| ·电信数据挖掘获得的规则 | 第59-60页 |
| ·小结 | 第60-62页 |
| 7 总结与展望 | 第62-64页 |
| ·论文总结 | 第62页 |
| ·工作展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 攻读硕士学位期间所发表的论文 | 第70页 |
