| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-11页 |
| 1 引言 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 数据挖掘现状 | 第12-13页 |
| 1.2.2 大数据技术研究应用现状 | 第13-14页 |
| 1.3 论文结构 | 第14-15页 |
| 2 相关技术研究 | 第15-31页 |
| 2.1 关联规则 | 第15-24页 |
| 2.1.1 关联规则基本概念 | 第15-16页 |
| 2.1.2 关联规则分类 | 第16-17页 |
| 2.1.3 经典的关联规则算法 | 第17-24页 |
| 2.1.4 关联规则挖掘结果的衡量标准 | 第24页 |
| 2.2 HADOOP简介 | 第24-29页 |
| 2.2.1 Hadoop | 第24-25页 |
| 2.2.2 MapReduce | 第25-26页 |
| 2.2.3 HDFS | 第26-29页 |
| 2.3 本章小结 | 第29-31页 |
| 3 数据预处理 | 第31-39页 |
| 3.1 数据预处理 | 第31-32页 |
| 3.1.1 数据预处理简介 | 第31页 |
| 3.1.2 数据清洗方案 | 第31-32页 |
| 3.2 动车组数据分析 | 第32-36页 |
| 3.2.1 动车组数据采集 | 第32-34页 |
| 3.2.2 动车组数据问题 | 第34-35页 |
| 3.2.3 动车组数据问题原因分析 | 第35-36页 |
| 3.3 动车组故障数据预处理 | 第36-38页 |
| 3.3.1 数据清洗 | 第36-37页 |
| 3.3.2 数据转换 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于MAPREDUCE的ECLAT算法改进 | 第39-50页 |
| 4.1 ECLAT算法 | 第39-42页 |
| 4.1.1 垂直数据库 | 第39-40页 |
| 4.1.2 计算机支持度 | 第40-41页 |
| 4.1.3 算法过程 | 第41-42页 |
| 4.1.4 Eclat算法的不足 | 第42页 |
| 4.2 基于MAPREDUCE的改进ECLAT算法的实现 | 第42-46页 |
| 4.3 动车组故障数据的加权关联规则分析 | 第46-49页 |
| 4.3.1 加权关联规则模型分析 | 第47-48页 |
| 4.3.2 基于Eclat算法的垂直加权模型 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 实验与结果分析 | 第50-61页 |
| 5.1 实验环境与实验数据 | 第50-53页 |
| 5.1.1 实验环境 | 第50-51页 |
| 5.1.2 Hadoop平台的安装部署 | 第51-53页 |
| 5.2 实验结果分析 | 第53-60页 |
| 5.2.1 数据结果 | 第53-58页 |
| 5.2.2 应用案例 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简历 | 第66-68页 |
| 学位论文数据集 | 第68页 |