| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第10-17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 群体计算研究现状 | 第12-13页 |
| 1.2.2 云计算研究现状 | 第13页 |
| 1.2.3 Apriori算法研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 2 基本理论与关键技术 | 第17-23页 |
| 2.1 众包技术 | 第17页 |
| 2.2 Spark计算框架 | 第17-21页 |
| 2.2.1 Spark简述 | 第17-18页 |
| 2.2.2 Spark运行机制 | 第18-19页 |
| 2.2.3 Spark弹性分布数据集 | 第19-20页 |
| 2.2.4 Spark优势分析 | 第20-21页 |
| 2.3 数据挖掘 | 第21页 |
| 2.4 并行算法测评指标 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于用户主题精确感知大数据群体计算任务分配算法 | 第23-36页 |
| 3.1 基于用户主题精确感知的任务分配设计 | 第23-24页 |
| 3.2 群体计算任务模型 | 第24-27页 |
| 3.2.1 任务模型 | 第24页 |
| 3.2.2 任务预处理 | 第24-26页 |
| 3.2.3 任务关联度 | 第26-27页 |
| 3.3 群体计算用户模型 | 第27-29页 |
| 3.3.1 用户模型 | 第27-28页 |
| 3.3.2 用户初始化 | 第28-29页 |
| 3.4 用户主题精确感知 | 第29-30页 |
| 3.4.1 逻辑回归算法感知用户主题 | 第29页 |
| 3.4.2 捕获候选用户真实主题 | 第29-30页 |
| 3.5 群体任务分配算法 | 第30-31页 |
| 3.6 实验和结果分析 | 第31-35页 |
| 3.6.1 实验环境 | 第31页 |
| 3.6.2 实验设计 | 第31-32页 |
| 3.6.3 实验结果与分析 | 第32-35页 |
| 3.7 本章小结 | 第35-36页 |
| 4 基于矩阵的关联规则Apriori算法改进 | 第36-45页 |
| 4.1 Apriori算法简介 | 第36页 |
| 4.2 Apriori算法的不足 | 第36-37页 |
| 4.3 Apriori算法的改进思路 | 第37页 |
| 4.4 基于矩阵的Apriori算法改进 | 第37-40页 |
| 4.4.1 M_Apriori算法的相关概念定义 | 第37-38页 |
| 4.4.2 M_Apriori算法的改进流程 | 第38-40页 |
| 4.4.3 M_Apriori算法的步骤描述 | 第40页 |
| 4.5 M_Apriori算法示例与分析 | 第40-44页 |
| 4.5.1 算法示例 | 第40-43页 |
| 4.5.2 算法性能评价 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5 基于Spark的关联规则M_Apriori算法并行化 | 第45-54页 |
| 5.1 基于Spark的M_Apriori算法并行化设计 | 第45页 |
| 5.2 SPM_Apriori算法描述 | 第45-47页 |
| 5.3 SPM_Apriori算法移植 | 第47-48页 |
| 5.4 实验结果与分析 | 第48-53页 |
| 5.4.1 实验环境 | 第48-49页 |
| 5.4.2 Spark平台搭建 | 第49-50页 |
| 5.4.3 并行性能测评与分析 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 研究不足 | 第54-55页 |
| 6.3 未来展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间科研成果 | 第60页 |
