| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-25页 |
| ·选题背景及意义 | 第10-12页 |
| ·Hadoop及其缺陷和改进 | 第12-17页 |
| ·Hadoop介绍 | 第12-15页 |
| ·Hadoop缺陷及其改进 | 第15-17页 |
| ·应用Hadoop的软件的基本架构 | 第17-22页 |
| ·本文研究内容与贡献 | 第22-23页 |
| ·本文组织结构 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第二章 预备知识 | 第25-29页 |
| ·符号定义 | 第25页 |
| ·基本概念定义 | 第25-27页 |
| ·实验数据 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于Hadoop的关联规则算法研究 | 第29-46页 |
| ·Apriori算法 | 第30-31页 |
| ·并行算法的MapReduce实现 | 第31-43页 |
| ·MapReduce实现的CD算法及算法说明 | 第31-35页 |
| ·MapReduce实现的DD算法及算法说明 | 第35-37页 |
| ·MapReduce实现的CaD算法及算法说明 | 第37-43页 |
| ·实验与性能对比 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于Hadoop的图挖掘算法 | 第46-59页 |
| ·基于Hadoop的聚类系数算法 | 第46-51页 |
| ·直接计算三角形 | 第47-48页 |
| ·图的两跳表示法计算三角形 | 第48-50页 |
| ·实验与性能对比 | 第50-51页 |
| ·结论和展望 | 第51页 |
| ·基于Hadoop的子图挖掘算法 | 第51-58页 |
| ·相关工作 | 第51-52页 |
| ·并行子图挖掘算法 | 第52-55页 |
| ·子图挖掘算法 | 第55-56页 |
| ·实验和分析 | 第56-57页 |
| ·结论和展望 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 社会网络分析算法包 | 第59-77页 |
| ·相关背景介绍 | 第59-64页 |
| ·社会网络分析算法包设计 | 第64-69页 |
| ·图处理系统的设计 | 第65-66页 |
| ·图中边和节点的设计 | 第66-69页 |
| ·社会网络分析算法包中的算法 | 第69-76页 |
| ·Betweenness-Centrality算法 | 第69-71页 |
| ·PageRank算法 | 第71-74页 |
| ·聚类系数算法 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 总结 | 第77-79页 |
| ·本文总结 | 第77-78页 |
| ·后继上作 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 作者攻读硕士学位期间发表的学术论文目录 | 第84-85页 |
| 附录 | 第85-87页 |