| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 数据挖掘技术研究现状 | 第11-12页 |
| 1.2.2 Hadoop下数据挖掘研究现状 | 第12-13页 |
| 1.2.3 Hadoop下关联规则算法的研究现状 | 第13-14页 |
| 1.3 论文的主要工作 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 开源Hadoop平台和数据挖掘 | 第16-28页 |
| 2.1 Hadoop介绍 | 第16-23页 |
| 2.1.1 HDFS介绍 | 第17-19页 |
| 2.1.2 MapReduce介绍 | 第19-22页 |
| 2.1.3 HBase介绍 | 第22-23页 |
| 2.2 数据挖掘概述 | 第23-26页 |
| 2.2.1 数据挖掘的定义 | 第23页 |
| 2.2.2 数据挖掘过程 | 第23-25页 |
| 2.2.3 数据挖掘的功能 | 第25页 |
| 2.2.4 数据挖掘面临的挑战 | 第25-26页 |
| 2.3 基于Hadoop的数据挖掘系统的分析与设计 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 数量关联规则和Hadoop下数据预处理架构设计 | 第28-38页 |
| 3.1 关联规则 | 第28-30页 |
| 3.1.1 关联规则的定义及性质 | 第28-29页 |
| 3.1.2 关联规则的类型 | 第29-30页 |
| 3.1.3 关联规则挖掘的过程 | 第30页 |
| 3.2 数量关联规则挖掘 | 第30-33页 |
| 3.2.1 数量关联规则的定义及性质 | 第31页 |
| 3.2.2 数量关联规则的分类 | 第31-32页 |
| 3.2.3 数量关联规则的一般步骤 | 第32页 |
| 3.2.4 数量关联规则挖掘中的问题 | 第32-33页 |
| 3.3 基于Hadoop的数据预处理架构 | 第33-37页 |
| 3.3.1 异常值的处理方法 | 第33-34页 |
| 3.3.2 等宽分箱的处理方法 | 第34-35页 |
| 3.3.3 数据预处理流程 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于Hadoop的数量关联规则算法改进 | 第38-58页 |
| 4.1 Apriori算法相关理论 | 第38-40页 |
| 4.1.1 Apriori算法描述 | 第38-40页 |
| 4.1.2 Apriori算法的优缺点分析 | 第40页 |
| 4.2 改进的MDApriori算法 | 第40-47页 |
| 4.2.1 MDApriori算法分析 | 第40-41页 |
| 4.2.2 MDApriori算法描述 | 第41-42页 |
| 4.2.3 MDApriori算法设计 | 第42-44页 |
| 4.2.4 MDApriori算法的实例分析 | 第44-47页 |
| 4.3 改进的聚类关联规则算法—PK-meansAIE算法 | 第47-57页 |
| 4.3.1 聚类算法的定义和描述 | 第47-48页 |
| 4.3.2 经典的聚类算法 | 第48-50页 |
| 4.3.3 改进的PK-meansAIE聚类算法的分析 | 第50-53页 |
| 4.3.4 PK-meansAIE算法的设计 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 实验与验证 | 第58-75页 |
| 5.1 实验环境 | 第58-62页 |
| 5.1.1 硬件环境 | 第58页 |
| 5.1.2 软件环境 | 第58页 |
| 5.1.3 集群网络 | 第58-59页 |
| 5.1.4 搭建Hadoop平台 | 第59-62页 |
| 5.2 实验过程和结果评估 | 第62-74页 |
| 5.2.1 实验数据 | 第62-63页 |
| 5.2.2 数据预处理 | 第63-64页 |
| 5.2.3 MDApriori算法实验 | 第64-69页 |
| 5.2.4 PK-meansAIE算法实验 | 第69-74页 |
| 5.3 实验总结 | 第74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 6.1 全文总结 | 第75-76页 |
| 6.2 未来展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间的研究成果 | 第82页 |
