基于Hadoop计算模型的Apriori算法改进
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要内容 | 第14-15页 |
| 2.相关概念介绍 | 第15-20页 |
| 2.1 Hadoop 概述 | 第15-16页 |
| 2.1.1 HDFS | 第15-16页 |
| 2.1.2 MapReduce | 第16页 |
| 2.2 数据挖掘概述 | 第16-18页 |
| 2.2.1 数据挖掘概念 | 第16-17页 |
| 2.2.2 数据挖掘的任务 | 第17-18页 |
| 2.3 Apriori 算法概述 | 第18-20页 |
| 3.算法改进的理论基础 | 第20-26页 |
| 3.1 数据挖掘分析 | 第20-22页 |
| 3.1.1 数据准备 | 第20-21页 |
| 3.1.2 数据清理 | 第21页 |
| 3.1.3 数据转换过程 | 第21-22页 |
| 3.1.4 数据挖掘过程 | 第22页 |
| 3.2 数据挖掘算法分析 | 第22-26页 |
| 4.算法改进 | 第26-32页 |
| 4.1 算法改进描述 | 第26-28页 |
| 4.2 算法改进的伪代码描述 | 第28-31页 |
| 4.3 本章小结 | 第31-32页 |
| 5.改进算法实现 | 第32-49页 |
| 5.1 数据准备阶段 | 第32-33页 |
| 5.1.1 日志文件收集 | 第32-33页 |
| 5.1.2 业务数据收集 | 第33页 |
| 5.2 数据处理阶段 | 第33-37页 |
| 5.2.1 主程序启动 | 第34页 |
| 5.2.2 日志文件清理 | 第34-37页 |
| 5.3 数据转换阶段 | 第37-40页 |
| 5.3.1 创建 Hive 索引 | 第37-39页 |
| 5.3.2 Hive 关联操作 | 第39-40页 |
| 5.4 数据挖掘阶段 | 第40-48页 |
| 5.4.1 数据汇总和排序 | 第41-42页 |
| 5.4.2 频繁项挖掘 | 第42-46页 |
| 5.4.3 结果验证 | 第46-48页 |
| 5.5 本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 作者简介 | 第54-55页 |
