| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题研究背景 | 第11页 |
| ·课题国内外研究现状 | 第11-13页 |
| ·数据处理技术研究现状 | 第11-12页 |
| ·海量数据处理研究现状 | 第12-13页 |
| ·课题主要研究内容及意义 | 第13-14页 |
| ·主要研究内容 | 第13页 |
| ·研究意义与价值 | 第13-14页 |
| ·课题论文构架结构 | 第14-16页 |
| 第二章 云计算基础与数据处理技术 | 第16-35页 |
| ·云计算技术基础 | 第16-25页 |
| ·分布式计算与云计算 | 第16-17页 |
| ·云计算技术体系 | 第17-19页 |
| ·主流云计算框架分析 | 第19-25页 |
| ·HADOOP 云平台构架结构分析 | 第25-30页 |
| ·Hadoop 核心组件 | 第25-27页 |
| ·Hadoop 主要构造模块 | 第27-29页 |
| ·Hadoop 拓扑结构 | 第29-30页 |
| ·数据处理技术 | 第30-34页 |
| ·数据处理技术体系结构 | 第30-32页 |
| ·数据处理技术的过程模型 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 海量 WEB 日志数据预处理模型研究 | 第35-49页 |
| ·数据预处理的基本功能及主要方法 | 第35-37页 |
| ·数据预处理的基本功能 | 第35-36页 |
| ·Web 挖掘数据预处理方法 | 第36-37页 |
| ·WEB 日志数据预处理模型 | 第37-43页 |
| ·数据清洗模型 | 第38-39页 |
| ·用户识别模型 | 第39-40页 |
| ·会话识别模型 | 第40-41页 |
| ·路径识别模型 | 第41-43页 |
| ·传统预处理模型不足分析 | 第43页 |
| ·数据清洗模型改进与优化 | 第43-45页 |
| ·模型改进思想 | 第43-44页 |
| ·一次过滤 | 第44-45页 |
| ·二次过滤 | 第45页 |
| ·会话识别模型改进与优化 | 第45-48页 |
| ·动态阈值时间改进 | 第46-47页 |
| ·基于兴趣度会话优化 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于并行关联规则算法的海量数据挖掘研究 | 第49-60页 |
| ·关联规则算法简介 | 第49-54页 |
| ·关联规则定义 | 第49-50页 |
| ·关联规则算法原理 | 第50-52页 |
| ·经典分层搜索算法——Apriori 算法 | 第52-54页 |
| ·基于 APRIORI 的并行挖掘算法分析 | 第54-57页 |
| ·统计分布并行 Apriori 算法分析 | 第54-56页 |
| ·数据分布并行 Apriori 算法分析 | 第56-57页 |
| ·分布式平台下 APRIORI 算法改进与优化 | 第57-59页 |
| ·候选项集生成算法改进思想 | 第57-58页 |
| ·候选项集生成算法改进示例 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 仿真实验及结果分析 | 第60-71页 |
| ·实验室环境下 HADOOP 云平台的搭建 | 第60-64页 |
| ·网络拓扑结构搭建 | 第60-61页 |
| ·Hadoop 软件部署 | 第61-62页 |
| ·集群节点配置 | 第62-64页 |
| ·改进 WEB 日志数据预处理模型仿真实验及结果分析 | 第64-68页 |
| ·实验环境及测试数据 | 第64-65页 |
| ·实验结果及分析 | 第65-67页 |
| ·实验结论 | 第67-68页 |
| ·改进 APRIORI 算法仿真实验及结果分析 | 第68-70页 |
| ·实验环境及测试数据 | 第68页 |
| ·实验结果及分析 | 第68-69页 |
| ·实验结论 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-72页 |
| ·总结 | 第71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 硕士期间取得研究成果 | 第75-76页 |