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 |