| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 主要贡献 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 Spark生态系统及集群环境搭建 | 第16-26页 |
| 2.1 Spark生态系统 | 第16-20页 |
| 2.1.1 Spark Core | 第17-18页 |
| 2.1.2 Spark SQL | 第18-19页 |
| 2.1.3 Spark Streaming | 第19页 |
| 2.1.4 Spark GraphX | 第19-20页 |
| 2.1.5 Spark MLlib | 第20页 |
| 2.2 集群环境搭建 | 第20-24页 |
| 2.2.1 基础环境配置 | 第21页 |
| 2.2.2 Hadoop集群搭建 | 第21-22页 |
| 2.2.3 Spark集群搭建 | 第22-24页 |
| 2.3 Spark应用程序开发环境 | 第24-26页 |
| 2.3.1 Scala语言简介 | 第24页 |
| 2.3.2 Intellij Idea开发环境配置 | 第24-26页 |
| 第三章 基于Spark的Apriori及其改进算法的并行化实现 | 第26-37页 |
| 3.1 关联规则挖掘 | 第26-28页 |
| 3.1.1 关联规则的概念 | 第26-27页 |
| 3.1.2 关联规则的挖掘步骤 | 第27-28页 |
| 3.2 Apriori及其改进算法的并行化实现 | 第28-33页 |
| 3.2.1 并行化的实现思路 | 第28-29页 |
| 3.2.2 并行化的描述 | 第29-33页 |
| 3.3 实验与分析 | 第33-37页 |
| 第四章 基于Spark的FUP算法和IUA算法的改进与并行化 | 第37-60页 |
| 4.1 FUP算法的介绍及改进 | 第37-43页 |
| 4.1.1 FUP算法的分析 | 第37-40页 |
| 4.1.2 改进算法的思路 | 第40-41页 |
| 4.1.3 改进算法的描述 | 第41-43页 |
| 4.2 FUP改进算法的并行化 | 第43-47页 |
| 4.2.1 并行化的实现思路 | 第43页 |
| 4.2.2 并行化的描述 | 第43-47页 |
| 4.3 IUA算法的介绍及改进 | 第47-50页 |
| 4.3.1 IUA算法的分析 | 第47-48页 |
| 4.3.2 改进算法的思路 | 第48-49页 |
| 4.3.3 改进的描述 | 第49-50页 |
| 4.4 IUA改进算法的并行化 | 第50-55页 |
| 4.4.1 并行化的实现思路 | 第50-52页 |
| 4.4.2 并行化的描述 | 第52-55页 |
| 4.5 实验与分析 | 第55-60页 |
| 4.5.1 改进FUP算法的实验与分析 | 第56-57页 |
| 4.5.2 改进IUA算法的实验与分析 | 第57-60页 |
| 第五章 关联规则挖掘手机病毒检测系统的设计与实现 | 第60-87页 |
| 5.1 手机病毒检测系统的框架结构 | 第60-61页 |
| 5.2 关联规则挖掘模块框架结构 | 第61-62页 |
| 5.3 关联规则挖掘系统的关键技术 | 第62-67页 |
| 5.3.1 数据预处理 | 第62-64页 |
| 5.3.2 数据库表设计与实现 | 第64-65页 |
| 5.3.3 数据结构设计与实现 | 第65-67页 |
| 5.4 系统的子模块设计与实现 | 第67-81页 |
| 5.4.1 建模子模块的设计与实现 | 第68-70页 |
| 5.4.2 增量子模块的设计与实现 | 第70-73页 |
| 5.4.3 更新子模块的设计与实现 | 第73-76页 |
| 5.4.4 检测子模块的设计与实现 | 第76-79页 |
| 5.4.5 翻译子模块的设计与实现 | 第79-81页 |
| 5.5 实验设计与结果分析 | 第81-87页 |
| 5.5.1 实验设计 | 第81-84页 |
| 5.5.2 结果分析 | 第84-87页 |
| 第六章 总结与展望 | 第87-89页 |
| 6.1 工作总结 | 第87-88页 |
| 6.2 未来展望 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 致谢 | 第92页 |
