大数据环境下的关联规则提取算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-13页 |
| 1.1 论文的研究背景与选题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 传统关联规则的研究现状 | 第10-11页 |
| 1.2.2 大数据环境下的关联规则研究现状 | 第11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 论文的主要内容及结构安排 | 第12-13页 |
| 2 分布式并行系统基础架构相关知识 | 第13-23页 |
| 2.1 Hadoop简介 | 第13-15页 |
| 2.2 分布式文件系统HDFS | 第15-17页 |
| 2.2.1 HDFS的体系结构 | 第15-17页 |
| 2.2.2 HDFS的读写原理 | 第17页 |
| 2.3 编程模型MapReduce | 第17-19页 |
| 2.3.1 MapReduce的体系结构 | 第17-18页 |
| 2.3.2 MapReduce的工作流程 | 第18-19页 |
| 2.4 机器学习类库Mahout | 第19-20页 |
| 2.5 数据仓库Hive | 第20-21页 |
| 2.6 Hadoop大数据处理架构 | 第21-22页 |
| 2.7 本章小节 | 第22-23页 |
| 3 关联规则相关算法研究 | 第23-35页 |
| 3.1 关联规则 | 第23-24页 |
| 3.2 Apriori算法 | 第24页 |
| 3.2.1 Apriori算法的原理 | 第24页 |
| 3.2.2 Apriori算法的分析 | 第24页 |
| 3.3 蕴含关联规则提取算法 | 第24-32页 |
| 3.3.1 蕴含关联规则 | 第26-28页 |
| 3.3.2 蕴含关联规则的提取方法 | 第28-30页 |
| 3.3.3 蕴含关联规则的应用 | 第30-32页 |
| 3.4 PF-Growth算法 | 第32-34页 |
| 3.4.1 PF-Growth算法原理 | 第32-34页 |
| 3.4.2 FP-Growth算法的缺陷 | 第34页 |
| 3.4.3 FP-Growth算法的并行化 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 OPFP-Growth算法的研究与应用 | 第35-44页 |
| 4.1 OPFP-Growth算法研究 | 第35-37页 |
| 4.1.1 负载均衡 | 第35-36页 |
| 4.1.2 引入频繁闭项集 | 第36页 |
| 4.1.3 Hive分析优化 | 第36-37页 |
| 4.2 OPFP-Growth算法流程 | 第37-39页 |
| 4.3 OPFP-Growth算法的应用 | 第39-43页 |
| 4.3.1 气象数据挖掘分析 | 第39-40页 |
| 4.3.2 数据收集源 | 第40-41页 |
| 4.3.3 数据预处理 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 实验环境与结果 | 第44-55页 |
| 5.1 Hadoop/Hive环境配置 | 第44-50页 |
| 5.1.1 JDK的安装配置 | 第44-45页 |
| 5.1.2 Hadoop的安装配置 | 第45-48页 |
| 5.1.3 Hive的安装配置 | 第48-50页 |
| 5.2 性能测试 | 第50-53页 |
| 5.2.1 负载均衡 | 第50-52页 |
| 5.2.2 执行时间 | 第52-53页 |
| 5.3 结果分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 结论和展望 | 第55-56页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59页 |
