| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 大数据研究现状 | 第8-9页 |
| 1.2.2 Hadoop研究现状 | 第9-10页 |
| 1.3 论文主要工作及组织结构 | 第10-12页 |
| 2 相关技术 | 第12-24页 |
| 2.1 Hadoop技术 | 第12-19页 |
| 2.1.1 Hadoop概述 | 第12-13页 |
| 2.1.2 分布式文件系统—HDFS | 第13-14页 |
| 2.1.3 分布式数据处理—MapReduce | 第14-17页 |
| 2.1.4 Hive与Sqoop | 第17-19页 |
| 2.2 数据挖掘技术 | 第19-21页 |
| 2.2.1 数据挖掘的定义 | 第19-20页 |
| 2.2.2 数据挖掘的方法 | 第20页 |
| 2.2.3 数据挖掘的基本流程 | 第20-21页 |
| 2.3 数据预处理 | 第21-22页 |
| 2.3.1 数据清洗 | 第21页 |
| 2.3.2 数据集成 | 第21-22页 |
| 2.3.3 数据转换 | 第22页 |
| 2.3.4 数据规约 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 基于Hadoop的数据挖掘算法分析与改进 | 第24-40页 |
| 3.1 K-Means算法分析与改进 | 第24-32页 |
| 3.1.1 K-Means算法简介 | 第24-25页 |
| 3.1.2 K-Means算法的改进 | 第25-27页 |
| 3.1.3 改进K-Means算法的MapReduce并行化 | 第27-32页 |
| 3.2 Apriori算法分析与改进 | 第32-37页 |
| 3.2.1 Apriori算法简介 | 第32-34页 |
| 3.2.2 基于MapReduce的Apriori算法的改进 | 第34-37页 |
| 3.3 算法性能评估 | 第37-39页 |
| 3.3.1 改进的K-Means算法性能评估 | 第37-38页 |
| 3.3.2 改进的Apriori算法性能评估 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于Hadoop的电梯安全大数据挖掘系统总体设计 | 第40-46页 |
| 4.1 数据来源 | 第40-42页 |
| 4.2 系统结构设计 | 第42页 |
| 4.3 系统功能设计 | 第42-43页 |
| 4.4 数据仓库结构设计 | 第43-45页 |
| 4.5 软件及技术选择 | 第45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 基于Hadoop的电梯安全大数据挖掘系统的实现 | 第46-59页 |
| 5.1 Hadoop平台搭建 | 第46-48页 |
| 5.1.1 集群规划与环境准备 | 第46页 |
| 5.1.2 Hadoop安装 | 第46-48页 |
| 5.2 数据导入导出模块的实现 | 第48-51页 |
| 5.2.1 数据导入模块 | 第48-50页 |
| 5.2.2 数据导出模块 | 第50-51页 |
| 5.3 数据预处理模块的实现 | 第51-55页 |
| 5.3.1 数据预处理分析 | 第51-53页 |
| 5.3.2 数据预处理模块实现 | 第53-55页 |
| 5.4 数据挖掘模块的实现 | 第55-57页 |
| 5.4.1 K-Means聚类挖掘 | 第55-56页 |
| 5.4.2 Apriori关联规则挖掘 | 第56-57页 |
| 5.5 调度模块的实现 | 第57-58页 |
| 5.6 本章小结 | 第58-59页 |
| 6 结果分析 | 第59-63页 |
| 6.1 聚类结果分析 | 第59-61页 |
| 6.2 关联规则结果分析 | 第61-62页 |
| 6.3 本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-64页 |
| 7.1 工作总结 | 第63页 |
| 7.2 工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间所获科研成果 | 第68页 |
