| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文贡献 | 第10页 |
| 1.4 论文组织结构 | 第10-11页 |
| 第二章 数据挖掘 | 第11-18页 |
| 2.1 数据的预处理 | 第11-12页 |
| 2.1.1 数据的预处理概念 | 第11页 |
| 2.1.2 数据预处理常用方法 | 第11-12页 |
| 2.2 数据挖掘 | 第12-17页 |
| 2.2.1 数据挖掘概述 | 第12页 |
| 2.2.2 关联规则（Association Rules）概述 | 第12-13页 |
| 2.2.3 关联规则（Association Rules）基本概念 | 第13-14页 |
| 2.2.4 关联规则（Association Rules）算法过程 | 第14页 |
| 2.2.5 经典的关联规则挖掘算法 | 第14-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 业务支撑网告警数据预处理 | 第18-30页 |
| 3.1 概述 | 第18页 |
| 3.2 数据集来源 | 第18-20页 |
| 3.3 告警数据预处理 | 第20-29页 |
| 3.3.1 滑动时间窗口算法 | 第21-22页 |
| 3.3.2 告警数据预处理 | 第22-26页 |
| 3.3.3 告警数据预处理程序设计 | 第26-27页 |
| 3.3.4 告警数据预处理运行结果 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 并行FPGrowth算法在业务支撑网告警数据上的应用 | 第30-55页 |
| 4.1 Hadoop简介 | 第30-35页 |
| 4.1.1 分布式文件管理系统HDFS | 第31-33页 |
| 4.1.1.1 HDFS的体系结构 | 第31-32页 |
| 4.1.1.2 HDFS的读写流程 | 第32-33页 |
| 4.1.2 Map Reduce编程模型 | 第33-35页 |
| 4.1.2.1 Map Reduce的体系结构 | 第33页 |
| 4.1.2.2 Map Reduce的工作流程 | 第33-35页 |
| 4.2 并行FPGrowth算法的概念介绍 | 第35-36页 |
| 4.3 并行FPGrowth算法分析和设计 | 第36-44页 |
| 4.3.1 数据分片 | 第36-37页 |
| 4.3.2 并行计数 | 第37-39页 |
| 4.3.3 项目分组和并行FPGrowth | 第39-44页 |
| 4.3.3.1 项目分组方法 | 第39-40页 |
| 4.3.3.2 并行FPGrowth(Parallel FP-Growth) | 第40-44页 |
| 4.3.4 聚合（Aggregating） | 第44页 |
| 4.4 并行FPGrowth算法实现 | 第44-47页 |
| 4.5 关联规则生成 | 第47-50页 |
| 4.6 运行结果及结果分析 | 第50-54页 |
| 4.6.1 开发环境 | 第50页 |
| 4.6.2 运行结果及分析 | 第50-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 总结和展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录 程序清单 | 第60-61页 |
| 致谢 | 第61页 |
