海量数据并行挖掘技术研究
| 致谢 | 第1-7页 |
| 中文摘要 | 第7-8页 |
| ABSTRACT | 第8-13页 |
| 1 引言 | 第13-17页 |
| ·研究背景及意义 | 第13-14页 |
| ·研究现状 | 第14-15页 |
| ·研究内容 | 第15-16页 |
| ·论文内容的组织 | 第16-17页 |
| 2 基础理论和技术 | 第17-29页 |
| ·数据挖掘技术概述 | 第17-20页 |
| ·数据挖掘的定义 | 第17页 |
| ·数据挖掘的功能 | 第17-19页 |
| ·数据挖掘的过程 | 第19页 |
| ·海量数据挖掘的关键技术 | 第19-20页 |
| ·关联规则算法 | 第20-24页 |
| ·关联规则算法问题描述 | 第20-21页 |
| ·Apriori算法 | 第21-23页 |
| ·关联规则算法改进 | 第23-24页 |
| ·MapReduce并行编程模型 | 第24-28页 |
| ·MapReduce编程模型 | 第24页 |
| ·MapReduce执行过程 | 第24-25页 |
| ·MapReduce的其他关键技术 | 第25-26页 |
| ·分布式文件系统HDFS | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 关联规则并行挖掘算法研究 | 第29-39页 |
| ·基于矩阵的关联规则算法Apriori_M | 第29-36页 |
| ·Apriori_M算法的基本思想 | 第29-30页 |
| ·Apriori_M算法执行过程 | 第30-32页 |
| ·Apriori_M算法描述 | 第32-33页 |
| ·Apriori_M算法实例 | 第33-35页 |
| ·Apriori_M算法分析 | 第35-36页 |
| ·Apriori_M算法的并行设计 | 第36-38页 |
| ·并行Apriori_M算法的基本思想 | 第36-37页 |
| ·并行Apriori_M算法描述 | 第37-38页 |
| ·算法分析 | 第38页 |
| ·本章小结 | 第38-39页 |
| 4 关联规则并行增量挖掘算法研究 | 第39-51页 |
| ·增量挖掘算法的研究背景 | 第39-40页 |
| ·FUP算法 | 第40-42页 |
| ·FUP算法的基本思想 | 第40-41页 |
| ·FUP算法的执行过程 | 第41-42页 |
| ·并行增量挖掘算法MFUP1 | 第42-47页 |
| ·MFUP1算法的基本思想 | 第42-44页 |
| ·MFUP1算法描述 | 第44-47页 |
| ·MFUP1算法分析 | 第47页 |
| ·并行增量挖掘算法MFUP2 | 第47-50页 |
| ·MFUP2算法的基本思想 | 第47-48页 |
| ·MFUP2算法描述 | 第48-49页 |
| ·MFUP2算法分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 仿真环境搭建与测试分析 | 第51-60页 |
| ·Hadoop仿真平台搭建 | 第51-53页 |
| ·主机设置 | 第51-52页 |
| ·Hadoop环境配置 | 第52-53页 |
| ·并行Apriori_M算法性能测试 | 第53-56页 |
| ·单机环境实验 | 第54-55页 |
| ·集群环境实验 | 第55-56页 |
| ·并行增量挖掘算法性能测试 | 第56-59页 |
| ·单机环境实验 | 第56-58页 |
| ·集群环境实验 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67页 |
