| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.1.1 智慧旅游 | 第10页 |
| 1.1.2 云计算 | 第10-11页 |
| 1.1.3 大数据 | 第11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 旅游信息服务的研究现状 | 第12-13页 |
| 1.3.2 关联规则算法的研究现状 | 第13-15页 |
| 1.4 课题研究的主要内容 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-18页 |
| 第2章 相关理论与技术 | 第18-24页 |
| 2.1 数据挖掘知识 | 第18-19页 |
| 2.1.1 数据挖掘的过程 | 第18页 |
| 2.1.2 常见的数据挖掘方法 | 第18-19页 |
| 2.2 关联规则算法简介 | 第19-21页 |
| 2.2.1 Apriori算法 | 第19-20页 |
| 2.2.2 FP_growth算法 | 第20-21页 |
| 2.3 关联规则涉及的概念 | 第21-23页 |
| 2.3.1 频繁项集的定义 | 第21页 |
| 2.3.2 支持度和置信度的定义 | 第21-22页 |
| 2.3.3 关联规则分类 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 云平台介绍 | 第24-32页 |
| 3.1 分布式文件系统HDFS | 第24-28页 |
| 3.1.1 HDFS体系结构 | 第24-25页 |
| 3.1.2 HDFS的读写流程 | 第25-27页 |
| 3.1.3 HDFS的命令行操作 | 第27-28页 |
| 3.2 Hadoop的编程模型MapReduce | 第28-31页 |
| 3.2.1 MapReduce的体系结构 | 第28-29页 |
| 3.2.2 MapReduce的工作流程 | 第29-30页 |
| 3.2.3 MapReduce编程实现 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 改进的关联规则算法的研究 | 第32-48页 |
| 4.1 关联规则算法分析 | 第32-34页 |
| 4.2 基于项合并剪枝的思想 | 第34-36页 |
| 4.3 基于改进的FP_growth算法 | 第36-37页 |
| 4.4 基于MapReduce并行Improved FP_growth算法实现步骤 | 第37-42页 |
| 4.4.1 并行计数 | 第39页 |
| 4.4.2 项分组函数 | 第39-40页 |
| 4.4.3 并行的Improved FP_growth | 第40-42页 |
| 4.4.4 结果聚集 | 第42页 |
| 4.5 基于频繁闭项集邻接图的关联规则算法 | 第42-46页 |
| 4.5.1 频繁闭项集邻接图的设计与构造 | 第43-44页 |
| 4.5.2 最小生成项集的产生 | 第44-45页 |
| 4.5.3 算法描述 | 第45-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第5章 实验结果分析及应用 | 第48-62页 |
| 5.1 实验数据的获取 | 第48-51页 |
| 5.2 分布式Hadoop平台的搭建 | 第51-55页 |
| 5.2.1 搭建环境准备 | 第51页 |
| 5.2.2 安装jdk | 第51-52页 |
| 5.2.3 安装ssh | 第52页 |
| 5.2.4 安装hadoop | 第52-55页 |
| 5.3 基于项合并关联规则实验结果分析 | 第55-58页 |
| 5.3.1 实验性能 | 第56页 |
| 5.3.2 实验性能评价 | 第56-58页 |
| 5.4 基于邻接图关联规则实验结果分析 | 第58-59页 |
| 5.4.1 实验性能 | 第58页 |
| 5.4.2 实验结果分析 | 第58-59页 |
| 5.5 旅游实例分析 | 第59-61页 |
| 5.6 本章小节 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 论文工作总结 | 第62-63页 |
| 6.2 今后工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间科研成果 | 第70页 |