| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 分布式计算平台与关联规则 | 第14-32页 |
| 2.1 Hadoop系统架构分析 | 第14-20页 |
| 2.1.1 HDFS系统架构分析 | 第15-16页 |
| 2.1.2 HBase系统架构分析 | 第16-19页 |
| 2.1.3 MapReduce编程模型 | 第19-20页 |
| 2.2 Spark系统架构分析 | 第20-24页 |
| 2.2.1 Spark生态系统及编程模型分析 | 第20-22页 |
| 2.2.2 Spark与MapReduce对比分析 | 第22-23页 |
| 2.2.3 Scala优点 | 第23-24页 |
| 2.3 关联规则数据挖掘 | 第24-30页 |
| 2.3.1 关联规则的基本概念及分类 | 第24-25页 |
| 2.3.2 关联规则的研究方向 | 第25-26页 |
| 2.3.3 Apriori算法介绍 | 第26-29页 |
| 2.3.4 FP-Growth算法介绍 | 第29-30页 |
| 2.3.5 关联规则算法的选择 | 第30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 电信网络告警分析系统 | 第32-42页 |
| 3.1 电信网络结构 | 第32-33页 |
| 3.2 故障与告警 | 第33-34页 |
| 3.3 电信网络告警数据 | 第34-36页 |
| 3.3.1 告警数据的分类 | 第34-35页 |
| 3.3.2 告警数据的特点 | 第35-36页 |
| 3.4 告警数据分析系统 | 第36-41页 |
| 3.4.1 告警数据采集模块 | 第37页 |
| 3.4.2 告警数据存储模块 | 第37-39页 |
| 3.4.3 告警数据分析模块 | 第39-40页 |
| 3.4.4 告警数据展示模块 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 改进关联规则算法—FP-CUD | 第42-52页 |
| 4.1 FP-Growth算法的缺陷 | 第42-43页 |
| 4.2 现有解决方案及缺陷 | 第43-45页 |
| 4.3 改进算法建模—FP-CUD | 第45-51页 |
| 4.3.1 告警数据的预处理 | 第45-46页 |
| 4.3.2 数据集压缩 | 第46-47页 |
| 4.3.3 权重自适应计算与支持度修正 | 第47-49页 |
| 4.3.4 挖掘频繁项集 | 第49-50页 |
| 4.3.5 挖掘关联规则 | 第50-51页 |
| 4.4 本章总结 | 第51-52页 |
| 第五章 集群搭建和FP-CUD算法实验 | 第52-66页 |
| 5.1 系统集群搭建 | 第52-57页 |
| 5.1.1 服务器虚拟化 | 第52-56页 |
| 5.1.2 集群搭建 | 第56-57页 |
| 5.2 Spark运行模式的选择 | 第57-59页 |
| 5.3 基于Spark的FP-CUD程序开发 | 第59-60页 |
| 5.4 实验结果对比与分析 | 第60-65页 |
| 5.4.1 FP-Growth与FP-CUD效率结果对比 | 第61-63页 |
| 5.4.2 FP-CUD在Hadoop集群和Spark集群下对比 | 第63-64页 |
| 5.4.3 关联规则结果对比 | 第64-65页 |
| 5.4.4 告警数据分析模块结果对比 | 第65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 研究总结 | 第66-67页 |
| 6.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 RDD常用函数 | 第71-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
