基于抽样的云频繁项集挖掘算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景和现状 | 第13-15页 |
| ·研究内容及意义 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 Hadoop平台分析 | 第18-35页 |
| ·Hadoop框架结构 | 第18-19页 |
| ·Hadoop分布式文件系统 | 第19-24页 |
| ·HDFS基本结构 | 第19-20页 |
| ·HDFS的数据可靠性 | 第20-21页 |
| ·HDFS数据读写 | 第21-23页 |
| ·HDFS常用命令 | 第23-24页 |
| ·Mapreduce并行编程框架 | 第24-31页 |
| ·Mapreduce功能特点 | 第24-25页 |
| ·Mapreduce执行流程 | 第25-28页 |
| ·Mapreduce高阶运用 | 第28-29页 |
| ·Mapreduce的调度 | 第29-31页 |
| ·Hadoop集群配置 | 第31-34页 |
| ·安装SSH | 第31-32页 |
| ·Hadoop配置 | 第32-33页 |
| ·Hadoop监控Web界面 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第三章 基于Hadoop的并行抽样算法设计 | 第35-47页 |
| ·抽样算法 | 第35-37页 |
| ·简单随机抽样 | 第35页 |
| ·系统抽样 | 第35-36页 |
| ·整群抽样 | 第36页 |
| ·分层抽样 | 第36-37页 |
| ·并行抽样算法提出原因 | 第37-38页 |
| ·算法设计思想和数学证明 | 第38-39页 |
| ·算法的Hadoop平台实现 | 第39-42页 |
| ·Mapreduce的输入分割 | 第39-40页 |
| ·Mapreduce输入分片实现类 | 第40页 |
| ·并行抽样的mapreduce实现 | 第40-42页 |
| ·算法实验验证 | 第42-46页 |
| ·实验数据和实验环境 | 第42-43页 |
| ·实验执行 | 第43-44页 |
| ·实验结果分析 | 第44-46页 |
| ·与普通随机抽样比较 | 第46页 |
| ·小结 | 第46-47页 |
| 第四章 基于抽样的频繁项集并行发现算法设计 | 第47-65页 |
| ·关联算法和频繁项集 | 第47-49页 |
| ·基础定义 | 第47页 |
| ·频繁项集的应用 | 第47-48页 |
| ·项集的单调性 | 第48-49页 |
| ·传统频繁项集发现算法及其局限 | 第49-52页 |
| ·传统A-priori算法分析 | 第49-50页 |
| ·传统A-priori局限性 | 第50页 |
| ·传统A-priori改进 | 第50-52页 |
| ·海量数据云频繁项集算法思想 | 第52-55页 |
| ·算法提出原因 | 第52-53页 |
| ·算法具体思想 | 第53-55页 |
| ·算法并行实现 | 第55-57页 |
| ·算法实验验证 | 第57-63页 |
| ·实验数据和实验环境 | 第57-60页 |
| ·实验执行 | 第60-62页 |
| ·实验结果分析 | 第62-63页 |
| ·小结 | 第63-65页 |
| 第五章 总结和展望 | 第65-67页 |
| ·本文工作总结 | 第65-66页 |
| ·本文创新点 | 第66页 |
| ·今后研究工作 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 读研期间发表的学术论文及参加的科研项目 | 第71-72页 |
