大数据环境下关联规则挖掘算法的研究与实现
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.3 主要工作及内容 | 第13-15页 |
| 第二章 数据准备 | 第15-47页 |
| 2.1 数据来源 | 第15-17页 |
| 2.1.1 天气大数据 | 第15-16页 |
| 2.1.2 交通大数据 | 第16页 |
| 2.1.3 网络告警大数据 | 第16页 |
| 2.1.4 电影大数据 | 第16-17页 |
| 2.2 数据特征 | 第17-20页 |
| 2.2.1 天气数据特征 | 第17页 |
| 2.2.2 交通数据特征 | 第17-18页 |
| 2.2.3 网络告警日志数据特征 | 第18-19页 |
| 2.2.4 电影订购数据特征 | 第19-20页 |
| 2.3 数据预处理 | 第20-47页 |
| 2.3.1 数据清理 | 第21-26页 |
| 2.3.2 数据集成 | 第26-28页 |
| 2.3.3 数据归约 | 第28-41页 |
| 2.3.4 数据变换 | 第41-47页 |
| 第三章 经典/改进算法 | 第47-55页 |
| 3.1 经典算法 | 第47-51页 |
| 3.1.1 Apriori算法 | 第47-49页 |
| 3.1.2 FP-Growth算法 | 第49-51页 |
| 3.1.3 经典算法对比 | 第51页 |
| 3.2 改进算法 | 第51-54页 |
| 3.2.1 核心思想 | 第51-52页 |
| 3.2.2 运行机制 | 第52-53页 |
| 3.2.3 性能分析 | 第53-54页 |
| 3.3 算法对比 | 第54-55页 |
| 第四章 算法到框架 | 第55-65页 |
| 4.1 需求和演变 | 第55-56页 |
| 4.1.1 需求变化 | 第55-56页 |
| 4.1.2 结构演变 | 第56页 |
| 4.2 框架简介 | 第56-57页 |
| 4.2.1 框架概览 | 第56页 |
| 4.2.2 运算流程 | 第56-57页 |
| 4.3 框架详解 | 第57-63页 |
| 4.3.1 初始化器 | 第57页 |
| 4.3.2 加载器 | 第57-58页 |
| 4.3.3 阈值阀 | 第58-59页 |
| 4.3.4 循环池 | 第59-60页 |
| 4.3.5 存储/反馈池 | 第60-61页 |
| 4.3.6 生产器 | 第61页 |
| 4.3.7 过滤器 | 第61页 |
| 4.3.8 同步器 | 第61-62页 |
| 4.3.9 并行池 | 第62-63页 |
| 4.4 框架总结 | 第63-65页 |
| 4.4.1 框架优点 | 第63-64页 |
| 4.4.2 框架不足 | 第64-65页 |
| 第五章 分布式实现 | 第65-76页 |
| 5.1 可行性分析 | 第65-66页 |
| 5.1.1 算法分布式实现可行性 | 第65-66页 |
| 5.1.2 框架分布式实现可行性 | 第66页 |
| 5.2 融合实现 | 第66-71页 |
| 5.2.1 算法融合实现 | 第66页 |
| 5.2.2 框架融合实现 | 第66-71页 |
| 5.3 优化调整 | 第71-76页 |
| 5.3.1 作业调优 | 第71-72页 |
| 5.3.2 map调优 | 第72-73页 |
| 5.3.3 reduce调优 | 第73-74页 |
| 5.3.4 其它调优 | 第74-76页 |
| 第六章 结果和分析 | 第76-90页 |
| 6.1 运行环境 | 第76-77页 |
| 6.1.1 硬件配置环境 | 第76页 |
| 6.1.2 软件运行环境 | 第76-77页 |
| 6.2 测试结果 | 第77-84页 |
| 6.2.1 改进算法准确性 | 第77-79页 |
| 6.2.2 小众数据集 | 第79-80页 |
| 6.2.3 中等数据集 | 第80-82页 |
| 6.2.4 海量数据集 | 第82-84页 |
| 6.3 结果整合 | 第84-88页 |
| 6.3.1 收敛时间整合 | 第84页 |
| 6.3.2 运行效率整合 | 第84-85页 |
| 6.3.3 横向对比整合 | 第85-86页 |
| 6.3.4 纵向对比整合 | 第86-87页 |
| 6.3.5 效率比整合 | 第87-88页 |
| 6.4 结果分析 | 第88-90页 |
| 6.4.1 测试结果概述 | 第88页 |
| 6.4.2 小众数据集分析 | 第88-89页 |
| 6.4.3 中等数据集分析 | 第89页 |
| 6.4.4 海量数据集分析 | 第89-90页 |
| 第七章 总结与展望 | 第90-92页 |
| 7.1 总结 | 第90页 |
| 7.2 展望 | 第90-92页 |
| 参考文献 | 第92-94页 |
| 致谢 | 第94页 |
