| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 关联规则算法相关研究概述 | 第10-11页 |
| 1.2.2 聚类分析相关研究概述 | 第11-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 分布式平台技术概述 | 第14-17页 |
| 2.1 虚拟化技术概述 | 第14页 |
| 2.2 分布式平台概述 | 第14-16页 |
| 2.2.1 Hadoop平台概述 | 第14-15页 |
| 2.2.2 Spark平台概述 | 第15-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第3章 分布式的最大频繁项算法研究 | 第17-33页 |
| 3.1 关联规则算法 | 第17-20页 |
| 3.1.1 关联规则相关定义 | 第17-18页 |
| 3.1.2 Apriori算法与FP-Growth算法 | 第18-19页 |
| 3.1.3 现有算法存在的问题 | 第19-20页 |
| 3.2 改进的分布式SMFI算法 | 第20-29页 |
| 3.2.1 数据集划分投影 | 第21-22页 |
| 3.2.2 频繁项树的深度路径搜索 | 第22-24页 |
| 3.2.3 长度优先的超集检验 | 第24-26页 |
| 3.2.4 降维策略 | 第26-27页 |
| 3.2.5 SMFI算法描述 | 第27-29页 |
| 3.3 实验结果与分析 | 第29-32页 |
| 3.3.1 实验环境 | 第29-30页 |
| 3.3.2 实验数据和结果 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 分布式的密度聚类算法研究 | 第33-54页 |
| 4.1 DBSCAN算法分析与概述 | 第33-38页 |
| 4.1.1 相关定义概述 | 第33-36页 |
| 4.1.2 DBSCAN算法流程 | 第36页 |
| 4.1.3 DBSCAN算法存在的问题 | 第36-37页 |
| 4.1.4 G-DBSCAN算法存在的问题 | 第37-38页 |
| 4.2 相关改进策略 | 第38-48页 |
| 4.2.1 基于分组的无重叠聚类策略 | 第38-42页 |
| 4.2.2 分区内的组合并 | 第42-45页 |
| 4.2.3 分区间的类合并 | 第45-48页 |
| 4.3 基于Spark的分布式SPDBSCAN算法描述 | 第48-49页 |
| 4.3.1 SPDBSCAN算法描述 | 第48页 |
| 4.3.2 算法复杂度分析 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-52页 |
| 4.4.1 性能指标 | 第49-50页 |
| 4.4.2 数据集的选取与划分 | 第50页 |
| 4.4.3 实验环境 | 第50页 |
| 4.4.4 实验结果的比较与分析 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 结论与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54-55页 |
| 5.2 不足与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间学位期间发表的论文及其它成果 | 第60-61页 |
| 致谢 | 第61页 |