互联网POI同位模式挖掘方法研究
| 中文摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 关联规则挖掘研究现状 | 第10-11页 |
| 1.2.2 同位模式挖掘研究现状 | 第11-13页 |
| 1.2.3 海量数据挖掘研究现状 | 第13页 |
| 1.3 研究内容和论文结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文结构 | 第14-15页 |
| 1.4 小结 | 第15-16页 |
| 2 关联规则数据挖掘 | 第16-26页 |
| 2.1 关联规则概述 | 第16-19页 |
| 2.1.1 关联规则的概念 | 第16-17页 |
| 2.1.2 关联规则的分类 | 第17-18页 |
| 2.1.3 关联规则的挖掘过程 | 第18-19页 |
| 2.2 经典Apirori算法 | 第19-24页 |
| 2.2.1 算法的基本原理 | 第19页 |
| 2.2.2 算法的流程 | 第19-21页 |
| 2.2.3 算法的实现 | 第21-24页 |
| 2.3 Apriori算法的几种改进思想 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 3 空间数据同位模式挖掘 | 第26-38页 |
| 3.1 空间数据概念及特性 | 第26页 |
| 3.2 同位模式挖掘 | 第26-37页 |
| 3.2.1 同位模式的提出 | 第26-27页 |
| 3.2.2 同位模式相关概念 | 第27-30页 |
| 3.2.3 同位模式挖掘方法 | 第30-37页 |
| 3.3 小结 | 第37-38页 |
| 4 互联网POI同位模式挖掘算法实现及应用 | 第38-60页 |
| 4.1 互联网POI同位模式挖掘算法实现 | 第38-54页 |
| 4.1.1 基于MongoDB的大规模POI存储 | 第38-41页 |
| 4.1.2 互联网POI同位模式实例集获取 | 第41-45页 |
| 4.1.3 基于MapReduce的同位模式挖掘 | 第45-49页 |
| 4.1.4 基于多线程并行处理的同位模式挖掘 | 第49-54页 |
| 4.2 互联网POI同位模式挖掘算法应用 | 第54-59页 |
| 4.2.1 数据存储与分析处理 | 第54-55页 |
| 4.2.2 实例结果分析 | 第55-59页 |
| 4.3 小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 论文研究工作总结 | 第60-61页 |
| 5.2 下一步工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表论文及其他成果 | 第72页 |
