| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题的研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 关联规则挖掘算法的研究现状 | 第12-17页 |
| 1.2.2 Hadoop平台的研究现状 | 第17-19页 |
| 1.3 课题的研究内容和组织结构 | 第19-20页 |
| 1.4 本课题的主要研究思路和创新点 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 相关理论及技术研究 | 第22-32页 |
| 2.1 关联规则挖掘 | 第22-23页 |
| 2.1.1 关联规则挖掘的相关定义 | 第22-23页 |
| 2.1.2 关联规则的挖掘过程 | 第23页 |
| 2.2 关联规则挖掘的经典算法 | 第23-28页 |
| 2.2.1 Apriori算法 | 第23-25页 |
| 2.2.2 常见的Apriori算法改进策略 | 第25-26页 |
| 2.2.3 FP-Growth算法 | 第26-28页 |
| 2.3 分布式平台Hadoop的研究 | 第28-31页 |
| 2.3.1 分布式计算模型—MapReduce | 第28-30页 |
| 2.3.2 分布式文件系统—HDFS | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于映射的Mapping_Apriori算法 | 第32-42页 |
| 3.1 Mapping_Apriori算法的思想 | 第32页 |
| 3.2 Mapping_Apriori算法的相关理论知识 | 第32-35页 |
| 3.2.1 基于映射的事务存储 | 第33-34页 |
| 3.2.2 相关性质及证明 | 第34-35页 |
| 3.3 Mapping_Apriori算法的具体实现 | 第35-37页 |
| 3.4 实例分析 | 第37-38页 |
| 3.5 Mapping_Apriori算法的性能分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于频繁模式树FP-tree的FP_Apriori算法 | 第42-52页 |
| 4.1 FP_Apriori算法的思想 | 第42页 |
| 4.2 FP_Apriori算法的相关理论知识 | 第42-45页 |
| 4.2.1 频繁模式树FP-tree | 第43-44页 |
| 4.2.2 候选项集频度计算优化策略 | 第44-45页 |
| 4.3 FP_Apriori算法的具体实现 | 第45-46页 |
| 4.4 实例分析 | 第46-49页 |
| 4.5 FP_Apriori算法的性能分析 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 Hadoop下Apriori改进算法的并行化研究 | 第52-67页 |
| 5.1 基于位阵矩阵的BM_Apriori算法 | 第52-57页 |
| 5.1.1 BM_Apriori算法的改进思想 | 第52页 |
| 5.1.2 BM_Apriori算法的相关定义 | 第52-53页 |
| 5.1.3 BM_Apriori算法的矩阵标识策略 | 第53-54页 |
| 5.1.4 BM_Apriori算法的具体实现 | 第54-57页 |
| 5.2 Hadoop下BM_Apriori算法的并行化H_BM_Apriori | 第57-60页 |
| 5.2.1 H_BM_Apriori算法的并行化思想 | 第57页 |
| 5.2.2 H_BM_Apriori算法的主要流程和步骤 | 第57-59页 |
| 5.2.3 Map函数和Reduce函数的设计 | 第59-60页 |
| 5.3 H_BM_Apriori算法的性能分析 | 第60-65页 |
| 5.3.1 Hadoop集群的搭建 | 第60-63页 |
| 5.3.2 BM_Apriori算法和H_BM_Apriori算法的性能对比分析 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 主要的研究成果总结 | 第67-68页 |
| 6.2 今后工作的展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间的研究成果 | 第74页 |
