在云环境下的数据挖掘算法的并行化研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-13页 |
| ·研究现状 | 第13-15页 |
| ·主要工作 | 第15页 |
| ·论文结构 | 第15-17页 |
| 第二章 云计算和数据挖掘技术 | 第17-32页 |
| ·云计算相关技术 | 第17-26页 |
| ·云计算框架Hadoop | 第17-20页 |
| ·云计算框架Spark | 第20-24页 |
| ·集群管理框架Mesos | 第24-26页 |
| ·关联规则 | 第26-28页 |
| ·关联规则挖掘理论 | 第26-27页 |
| ·关联规则算法分类 | 第27-28页 |
| ·关联规则挖掘基本模型 | 第28页 |
| ·聚类分析 | 第28-31页 |
| ·聚类分析概念 | 第28-29页 |
| ·相似度计算 | 第29-30页 |
| ·聚类分析分类 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 需求分析和概要设计 | 第32-36页 |
| ·需求分析 | 第32-34页 |
| ·概要设计 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 关联规则算法并行化设计与实现 | 第36-58页 |
| ·关联规则算法APRIORI | 第36-39页 |
| ·基于布尔压缩矩阵的APRIORI算法改进 | 第39-46页 |
| ·关联规则改进算法MC_Apriori | 第39-45页 |
| ·MC_Apriori算法性能分析 | 第45-46页 |
| ·MC_APRIORI算法的并行化 | 第46-52页 |
| ·并行关联规则挖掘算法 | 第46-47页 |
| ·MC_Apriori关联规则算法并行化 | 第47-51页 |
| ·并行MC_Apriori算法的实现问题 | 第51-52页 |
| ·云环境下的MC_APRIORI关联规则算法 | 第52-57页 |
| ·基于Hadoop的MC_Apriori算法设计 | 第52页 |
| ·基于Hadoop的MC_Apriori算法实现 | 第52-55页 |
| ·基于Spark的MC_Apriori算法设计 | 第55-56页 |
| ·基于Spark的MC_Apriori算法实现 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 聚类分析算法并行设计与实现 | 第58-81页 |
| ·聚类分析算法K-MEANS | 第58-63页 |
| ·K-means算法介绍 | 第58-61页 |
| ·K-means算法的优缺点和已有解决方案 | 第61-63页 |
| ·基于CANOPY的K-MEANS算法改进 | 第63-69页 |
| ·Canopy算法思想 | 第63-66页 |
| ·聚类分析改进算法CK | 第66-68页 |
| ·CK聚类分析算法性能分析 | 第68-69页 |
| ·CK聚类算法的并行化 | 第69-71页 |
| ·并行CK算法设计思想 | 第69-71页 |
| ·并行CK算法实现问题 | 第71页 |
| ·云环境下的CK聚类算法 | 第71-80页 |
| ·基于Hadoop的CK算法设计 | 第71-73页 |
| ·基于Hadoop的CK算法实现 | 第73-77页 |
| ·基于Spark的CK算法设计 | 第77-78页 |
| ·基于Spark的CK算法实现 | 第78-80页 |
| ·两种并行CK算法的比较分析 | 第80页 |
| ·本章小结 | 第80-81页 |
| 第六章 实验设计与分析 | 第81-94页 |
| ·实验环境的搭建 | 第81-86页 |
| ·硬件环境 | 第81页 |
| ·软件环境 | 第81-83页 |
| ·搭建集群管理平台Mesos | 第83-84页 |
| ·在Mesos上搭建Hadoop | 第84-85页 |
| ·在mesos上搭建Spark | 第85-86页 |
| ·关联规则改进算法的实验和分析 | 第86-89页 |
| ·聚类分析改进算法的实验和分析 | 第89-94页 |
| 第七章 总结和展望 | 第94-95页 |
| ·工作总结 | 第94页 |
| ·研究展望 | 第94-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 攻硕期间取得的研究成果 | 第100-101页 |
