首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于Hadoop云平台的频繁项集算法的研究与实现

摘要第5-6页
Abstract第6-7页
第1章 绪论第12-17页
    1.1 研究背景和意义第12-13页
    1.2 国内外研究现状第13-15页
    1.3 本文的主要工作及研究内容第15页
    1.4 论文的组织结构第15-17页
第2章 Hadoop云平台与数据挖掘技术概述第17-30页
    2.1 引言第17-18页
    2.2 Hadoop云平台概述第18-19页
    2.3 HDFS分布式文件系统第19-22页
        2.3.1 HDFS的体系结构第19-20页
        2.3.2 HDFS的读写过程第20-21页
        2.3.3 HDFS的可靠性机制第21-22页
    2.4 MapReduce编程模型第22-26页
        2.4.1 MapReduce执行过程第22-23页
        2.4.2 MapReduce容错处理机制第23-25页
        2.4.3 MapReduce编程实例第25-26页
    2.5 数据挖掘概述第26-29页
        2.5.1 数据挖掘历程第26-27页
        2.5.2 数据挖掘的步骤第27-28页
        2.5.3 关联规则挖掘基本概念第28-29页
    2.6 本章小结第29-30页
第3章 基于FP-growth算法的并行化改进方案第30-39页
    3.1 引言第30页
    3.2 传统频繁项集挖掘算法第30-34页
        3.2.1 Apriori频繁项集挖掘算法第30-32页
        3.2.2 FP-growth频繁项集挖掘算法第32-34页
    3.3 基于FP-growth算法的并行化改进第34-37页
        3.3.1 一项频繁项集的并行化改进方案第35页
        3.3.2 条件模式基的并行化改进方案第35-36页
        3.3.3 构建条件模式树NFP-tree方案第36-37页
    3.4 本章小结第37-39页
第4章 基于MapReduce频繁项集算法的并行化设计第39-50页
    4.1 并行编程模型的概述第39-41页
        4.1.1 MPI并行编程模型第39-40页
        4.1.2 OpenMP并行编程模型第40-41页
        4.1.3 并行编程模型的比较第41页
    4.2 基于MapReduce模型的频繁项集设计思想第41-46页
        4.2.1 基于MapReduce模型的第一次迭代第42-43页
        4.2.2 基于MapReduce模型的第二次迭代第43-46页
    4.3 基于MapReduce模型的频繁项集挖掘实例第46-49页
    4.4 本章小结第49-50页
第5章 实验环境搭建与算法实验分析第50-58页
    5.1 引言第50页
    5.2 实验平台的搭建第50-53页
        5.2.1 实验硬件环境第50-51页
        5.2.2 实验软件环境第51页
        5.2.3 多节点Hadoop云平台的搭建第51-53页
    5.3 算法的仿真与性能测试第53-56页
        5.3.1 NFP-growth算法可行性分析实验第53-54页
        5.3.2 NFP-growth算法高效性分析实验第54-55页
        5.3.3 NFP-growth算法可并行性分析实验第55-56页
    5.4 本章小结第56-58页
结论第58-60页
参考文献第60-64页
致谢第64-65页
附录A 攻读学位期间所发表的学术论文目录第65页

论文共65页,点击 下载论文
上一篇:阳极非贵金属催化剂的制备及其催化性能的研究
下一篇:共享显露序列模式挖掘算法及其应用