| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 Apriori算法优化技术相关研究 | 第12-14页 |
| 1.2.2 Apriori算法并行化技术相关研究 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 相关知识 | 第18-28页 |
| 2.1 Apriori算法概述 | 第18-22页 |
| 2.1.1 Apriori算法简介 | 第18页 |
| 2.1.2 Apriori算法相关概念 | 第18-19页 |
| 2.1.3 Apriori算法流程 | 第19-22页 |
| 2.2 Hadoop并行计算框架 | 第22-23页 |
| 2.3 Spark并行计算框架 | 第23-26页 |
| 2.3.1 弹性分布式数据集RDD | 第23-25页 |
| 2.3.2 有向无环图DAG | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 Apriori优化算法I-Apriori | 第28-42页 |
| 3.1 Apriori算法性能瓶颈 | 第28-29页 |
| 3.1.1 候选项集产生过程 | 第28页 |
| 3.1.2 重复扫描事务数据集 | 第28-29页 |
| 3.1.3 数据量巨大时造成的内存紧张 | 第29页 |
| 3.2 Apriori算法优化策略 | 第29-33页 |
| 3.2.1 布尔向量矩阵 | 第29-30页 |
| 3.2.2 消除候选项集产生过程 | 第30-32页 |
| 3.2.3 BitSet处理机制 | 第32-33页 |
| 3.3 Apriori优化算法I-Apriori | 第33-39页 |
| 3.3.1 I-Apriori算法流程 | 第33-34页 |
| 3.3.2 I-Apriori算法实现 | 第34-39页 |
| 3.4 I-Apriori算法举例 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于Spark的I-Apriori算法并行化 | 第42-55页 |
| 4.1 IABS算法思想 | 第42-43页 |
| 4.1.1 基于Spark平台并行化的必要性 | 第42-43页 |
| 4.1.2 并行化关键部分 | 第43页 |
| 4.2 Apriori算法与Spark结合的并行化机制 | 第43-46页 |
| 4.2.1 RDD和内存计算 | 第43-44页 |
| 4.2.2 广播变量 | 第44页 |
| 4.2.3 提高并行度 | 第44-46页 |
| 4.3 IABS的并行化实现 | 第46-52页 |
| 4.3.1 频繁项集生成阶段 | 第46-51页 |
| 4.3.2 关联规则生成阶段 | 第51-52页 |
| 4.4 算法时间复杂度分析 | 第52-54页 |
| 4.4.1 YAFIM时间复杂度 | 第52-53页 |
| 4.4.2 IABS时间复杂度 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 性能分析 | 第55-62页 |
| 5.1 I-Apriori性能分析 | 第55-57页 |
| 5.1.1 实验环境与数据集 | 第55页 |
| 5.1.2 Apriori与I-Apriori性能比较 | 第55-57页 |
| 5.2 IABS性能分析 | 第57-61页 |
| 5.2.1 实验环境与数据集 | 第57页 |
| 5.2.2 IABS与YAFIM性能比较 | 第57-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者在学期间取得的学术成果 | 第69页 |
