| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 关联规则挖掘算法 | 第12-13页 |
| 1.2.2 分布式环境下的关联规则挖掘算法 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15页 |
| 1.4 论文主要结构 | 第15-17页 |
| 第二章 相关技术背景介绍 | 第17-24页 |
| 2.1 关联规则挖掘理论 | 第17-19页 |
| 2.1.1 关联规则挖掘相关概念 | 第18页 |
| 2.1.2 关联规则的评定方式 | 第18-19页 |
| 2.2 分布式计算框架 | 第19-23页 |
| 2.2.1 Apache Hadoop计算框架 | 第19-21页 |
| 2.2.2 Apache Spark计算框架 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 关联规则算法的改进和并行化 | 第24-45页 |
| 3.1 关联规则算法 | 第24-41页 |
| 3.1.1 Apriori算法 | 第24-26页 |
| 3.1.2 基于压缩矩阵的MTCA算法 | 第26-31页 |
| 3.1.3 MAR-DPS算法 | 第31-41页 |
| 3.2 分布式环境下的关联规则挖掘算法 | 第41-44页 |
| 3.2.1 Apriori算法的并行化 | 第41-42页 |
| 3.2.2 基于压缩矩阵的Apriori算法在Spark上的并行化 | 第42-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 实验测评与优化 | 第45-60页 |
| 4.1 实验环境的搭建 | 第45页 |
| 4.1.1 硬件环境 | 第45页 |
| 4.1.2 软件环境 | 第45页 |
| 4.2 关联规则改进算法的实验和分析 | 第45-54页 |
| 4.2.1 Mushroom数据集 | 第46-49页 |
| 4.2.2 Groceries数据集 | 第49-52页 |
| 4.2.3 数据集密度阈值 | 第52页 |
| 4.2.4 北京市老年卡数据集 | 第52-54页 |
| 4.3 Spark平台上的关联规则挖掘实验 | 第54-58页 |
| 4.3.1 Mushroom数据集 | 第54-56页 |
| 4.3.2 Groceries数据集 | 第56-57页 |
| 4.3.3 北京市老年卡数据集 | 第57-58页 |
| 4.4 实验结论 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文的工作总结 | 第60页 |
| 5.2 论文的后续及展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间取得的研究成果 | 第67页 |