| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 云计算技术研究发展现状 | 第11-12页 |
| 1.2.2 数据挖掘研究现状 | 第12-13页 |
| 1.3 论文内容的主要工作 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 Hadoop平台介绍 | 第15-23页 |
| 2.1 Hadoop平台概述 | 第15-16页 |
| 2.2 Hadoop平台分布式文件系统HDFS | 第16-19页 |
| 2.2.1 HDFS体系结构 | 第16-17页 |
| 2.2.2 HDFS特点和设计目标 | 第17页 |
| 2.2.3 HDFS的存储原理 | 第17-19页 |
| 2.3 MapReduce简介 | 第19-22页 |
| 2.3.1 MapReduce模型 | 第19-20页 |
| 2.3.2 MapReduce执行流程 | 第20-21页 |
| 2.3.3 MapReduce执行的各个阶段 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 数据挖掘算法介绍 | 第23-34页 |
| 3.1 数据挖掘 | 第23-26页 |
| 3.1.1 数据挖掘简介 | 第23页 |
| 3.1.2 数据挖掘过程 | 第23-25页 |
| 3.1.3 数据挖掘的方法 | 第25-26页 |
| 3.2 关联规则 | 第26-27页 |
| 3.2.1 关联规则简介 | 第26-27页 |
| 3.2.2 关联规则算法分类 | 第27页 |
| 3.3 Apriori关联规则算法 | 第27-32页 |
| 3.3.1 Apriori算法执行过程 | 第27-30页 |
| 3.3.2 Apriori算法示例 | 第30-31页 |
| 3.3.3 Apriori算法的缺陷 | 第31-32页 |
| 3.4 已存在的Apriori算法的优化 | 第32-33页 |
| 3.4.1 基于Hash的改进 | 第32页 |
| 3.4.2 基于分片的并行方法改进 | 第32-33页 |
| 3.4.3 基于采样的方法改进 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 Apriori关联算法的改进 | 第34-44页 |
| 4.1 基于用户选择的Apriroi算法改进 | 第34-36页 |
| 4.1.1 数据预处理 | 第34页 |
| 4.1.2 改进算法的执行过程 | 第34-35页 |
| 4.1.3 实例分析 | 第35-36页 |
| 4.2 客观兴趣度改进算法 | 第36-39页 |
| 4.2.1 客观兴趣度模型 | 第36-38页 |
| 4.2.2 算法实例分析 | 第38-39页 |
| 4.3 综合改进算法的设计 | 第39-41页 |
| 4.4 改进算法性能分析 | 第41页 |
| 4.5 改进算法仿真 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 云计算技术在零售行业的应用 | 第44-53页 |
| 5.1 行业的发展需求 | 第44页 |
| 5.2 寻找潜在客户的途径 | 第44-45页 |
| 5.3 改进后的Apriori算法和Hadoop平台相结合 | 第45-50页 |
| 5.3.1 Hadoop运行的三种模式 | 第45页 |
| 5.3.2 集群节点Hadoop安装 | 第45-48页 |
| 5.3.3 算法并行化 | 第48-50页 |
| 5.4 实验结果与分析 | 第50-52页 |
| 5.4.1 并行算法与串行算法的对比 | 第50-51页 |
| 5.4.2 完全分布模式下改进算法的仿真 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |