| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 大数据的国内外研究现状 | 第9-12页 |
| 1.2.2 关联规则算法的国内外研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文的结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 关联规则挖掘算法概述 | 第16-22页 |
| 2.1 Apriori算法 | 第16-19页 |
| 2.1.1 Apriori算法的基本思想 | 第16页 |
| 2.1.2 Apriori算法的描述 | 第16-19页 |
| 2.2 FHIMA算法 | 第19-20页 |
| 2.2.1 FHIMA算法的定义及符号 | 第19-20页 |
| 2.2.2 FHIMA算法的相关公式 | 第20页 |
| 2.3 大数据挖掘平台PDMiner简介 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 Apriori算法的分析及改进 | 第22-26页 |
| 3.1 Apriori算法改进的基本思想 | 第22页 |
| 3.2 基于Apriori算法的改进算法AprioriTid | 第22-24页 |
| 3.2.1 AprioriTid算法的改进思路 | 第23页 |
| 3.2.2 AprioriTid算法的描述 | 第23-24页 |
| 3.2.3 改进算法的性能分析 | 第24页 |
| 3.3 基于Apriori算法的改进算法AprioriHybrid | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 4 基于大数据挖掘平台PDMiner的FHIMA算法研究 | 第26-36页 |
| 4.1 FHIMA算法分析 | 第26-29页 |
| 4.1.1 挖掘频繁和高效用的项集 | 第26页 |
| 4.1.2 将事务数据库进行转换 | 第26-27页 |
| 4.1.3 质量的上界 | 第27-29页 |
| 4.2 FHIMA算法实验分析 | 第29-35页 |
| 4.2.1 实验设置 | 第30-32页 |
| 4.2.2 不同参数设置上的衡量 | 第32-35页 |
| 4.3 本章小结 | 第35-36页 |
| 5 大数据关联规则算法应用研究 | 第36-51页 |
| 5.1 问题的提出及意义 | 第36-39页 |
| 5.2 面向大数据的关联规则算法的应用及性能分析 | 第39-43页 |
| 5.3 面向高校大数据关联规则算法的应用 | 第43-45页 |
| 5.3.1 在高校教学质量评估中的应用 | 第43页 |
| 5.3.2 丰富教师的教学 | 第43-44页 |
| 5.3.3 因材施教 | 第44页 |
| 5.3.4 监测舆情 | 第44页 |
| 5.3.5 预测 | 第44-45页 |
| 5.4 在高校教学质量评估应用中的设计与实现 | 第45-50页 |
| 5.4.1 系统环境配置 | 第45-46页 |
| 5.4.2 基础数据的采集 | 第46-47页 |
| 5.4.3 教师课程分析 | 第47-49页 |
| 5.4.4 挖掘结果及分析 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 6 结论 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间所发表的论文 | 第57页 |
