| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国内气象数据挖掘研究现状 | 第10-11页 |
| 1.2.2 国外气象数据挖掘研究现状 | 第11页 |
| 1.2.3 云计算研究发展现状 | 第11-13页 |
| 1.3 论文的主要工作 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 Hadoop开源平台概述 | 第15-26页 |
| 2.1 HDFS介绍 | 第15-22页 |
| 2.1.1 HDFS基础架构 | 第15-18页 |
| 2.1.2 HDFS文件读写 | 第18-20页 |
| 2.1.3 文件块放置策略及副本管理 | 第20-22页 |
| 2.1.4 HDFS负载均衡 | 第22页 |
| 2.2 MapReduce编程框架 | 第22-25页 |
| 2.2.1 MapReduce简介 | 第22-23页 |
| 2.2.2 MapReduce作业机制 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 数据挖掘 | 第26-37页 |
| 3.1 数据挖掘简介 | 第26-27页 |
| 3.2 数据挖掘过程 | 第27-28页 |
| 3.3 常用数据挖掘算法 | 第28-30页 |
| 3.4 Apriori关联规则算法 | 第30-34页 |
| 3.4.1 关联规则 | 第30页 |
| 3.4.2 Apriori算法思想 | 第30-31页 |
| 3.4.3 Apriori算法流程 | 第31-34页 |
| 3.4.4 Apriori算法性能分析 | 第34页 |
| 3.5 Apriori算法的改进 | 第34-36页 |
| 3.5.1 基于hash的改进 | 第35页 |
| 3.5.2 基于分片的并行方法改进 | 第35页 |
| 3.5.3 基于采样的方法 | 第35页 |
| 3.5.4 基于压缩数据库事务集的方法 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于压缩矩阵的Apriori改进算法 | 第37-48页 |
| 4.1 基于矩阵的Apriori算法 | 第37-39页 |
| 4.1.1 相关定义 | 第37-38页 |
| 4.1.2 算法描述 | 第38-39页 |
| 4.1.3 算法的分析 | 第39页 |
| 4.2 算法的改进 | 第39-42页 |
| 4.2.1 矩阵存储改进 | 第39-40页 |
| 4.2.2 项集排序改进 | 第40页 |
| 4.2.3 矩阵压缩 | 第40-41页 |
| 4.2.4 算法结束条件改进 | 第41-42页 |
| 4.3 改进算法的描述 | 第42-45页 |
| 4.4 算法性能分析和实验对比 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 云计算环境下CMApriori算法气象数据关联分析 | 第48-64页 |
| 5.1 气象数据的选取 | 第48页 |
| 5.2 气象数据离散化处理 | 第48-50页 |
| 5.3 Hadoop集群的搭建 | 第50-53页 |
| 5.4 MRCMApriori的设计与实现 | 第53-59页 |
| 5.4.1 实验对比 | 第56-58页 |
| 5.4.2 性能评估 | 第58-59页 |
| 5.5 关联规则分析 | 第59-62页 |
| 5.6 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64-65页 |
| 6.2 本文所存在的不足 | 第65页 |
| 6.3 工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 作者简介 | 第71-72页 |
| 致谢 | 第72页 |