| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 论文大致结构 | 第14-16页 |
| 第2章 相关知识及技术 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 关联规则相关概念 | 第16-18页 |
| 2.2.1 关联规则的引入 | 第16-17页 |
| 2.2.2 关联规则的概念 | 第17-18页 |
| 2.2.3 关联规则算法 | 第18页 |
| 2.3 APRIORI算法 | 第18-20页 |
| 2.3.1 Apriori算法的主要思路 | 第18-19页 |
| 2.3.2 Apriori算法举例 | 第19-20页 |
| 2.4 FP-TREE算法 | 第20-24页 |
| 2.4.1 FP-tree算法的主要思路 | 第20-21页 |
| 2.4.2 FP-tree算法的描述 | 第21-22页 |
| 2.4.3 FP-tree算法举例 | 第22-24页 |
| 2.5 分布式计算环境相关概念 | 第24-30页 |
| 2.5.1 基于Hadoop的分布式计算环境 | 第25-26页 |
| 2.5.2 Spark分布式计算环境的引入 | 第26页 |
| 2.5.3 Spark分布式计算环境的分类 | 第26-28页 |
| 2.5.4 弹性分布式数据集（RDD） | 第28-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第3章 基于SPARK的算法分析与优化 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于SPARK的算法分析与比较 | 第33-35页 |
| 3.2.1 基于Spark的Apriori算法分析 | 第33-34页 |
| 3.2.2 基于Spark的FP-tree算法和CSFP-tree算法的比较分析 | 第34-35页 |
| 3.3 基于SPARK的算法优化与模型构建 | 第35-44页 |
| 3.3.1 CSFP-tree算法的主旨思想 | 第35页 |
| 3.3.2 CSFP-tree算法的描述 | 第35-36页 |
| 3.3.3 CSFP-tree算法的构建 | 第36-38页 |
| 3.3.4 基于Spark的CSFP-tree算法的提出目的 | 第38-39页 |
| 3.3.5 基于Spark的CSFP-tree算法的具体流程 | 第39-41页 |
| 3.3.6 均衡分组的策略 | 第41-43页 |
| 3.3.7 基于Spark的CSFP-tree算法的描述 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于SPARK的CSFP-TREE算法实现与分析 | 第46-53页 |
| 4.1 引言 | 第46页 |
| 4.2 实验环境以及数据集的选取 | 第46-48页 |
| 4.2.1 硬件环境 | 第46-47页 |
| 4.2.2 软件环境 | 第47-48页 |
| 4.2.3 实验数据集及评价标准 | 第48页 |
| 4.3 基于SPARK的CSFP-TREE算法实验及分析 | 第48-51页 |
| 4.3.1 实验 1 | 第48-49页 |
| 4.3.2 实验 2 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第59-61页 |
| 致谢 | 第61-62页 |
