| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·云存储系统 | 第7-9页 |
| ·云存储概述 | 第7页 |
| ·云存储系统框架介绍 | 第7-9页 |
| ·日志文件 | 第9-12页 |
| ·日志文件的特点 | 第9-11页 |
| ·日志分析的应用 | 第11-12页 |
| ·日志分析工具现状 | 第12-13页 |
| ·对云存储系统进行日志分析的意义 | 第13-14页 |
| ·本文研究内容和结构安排 | 第14-17页 |
| ·研究内容 | 第14页 |
| ·结构安排 | 第14-17页 |
| 第二章 数据挖掘与日志挖掘 | 第17-33页 |
| ·数据挖掘 | 第17-21页 |
| ·数据挖掘的概念 | 第17页 |
| ·数据挖掘的过程 | 第17-19页 |
| ·数据挖掘中使用的主要技术 | 第19-21页 |
| ·关联规则 | 第21-24页 |
| ·关联规则的相关概念 | 第21-22页 |
| ·关联规则挖掘步骤 | 第22-23页 |
| ·关联规则的分类 | 第23-24页 |
| ·日志挖掘框架概述 | 第24-30页 |
| ·Web 日志挖掘过程 | 第24-25页 |
| ·常见日志预处理机制处理 | 第25-29页 |
| ·模式发现 | 第29-30页 |
| ·模式分析 | 第30页 |
| ·云存储系统日志挖掘框架 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 Apriori 算法分析及现有改进 | 第33-47页 |
| ·Apriori 算法原理 | 第33-34页 |
| ·Apriori 算法的实现及举例 | 第34-39页 |
| ·算法流程 | 第34-36页 |
| ·Apriori 算法举例 | 第36-38页 |
| ·由频繁项集产生关联规则 | 第38-39页 |
| ·Apriori 算法的性能分析 | 第39-40页 |
| ·Apriori 算法的现有改进 | 第40-42页 |
| ·基于 hash 的改进 | 第40页 |
| ·基于划分的方法 | 第40-41页 |
| ·基于采样的方法 | 第41页 |
| ·基于压缩数据库事务集的方法 | 第41-42页 |
| ·基于矩阵的 Apriori 算法 | 第42-45页 |
| ·基于矩阵的 Apriori 算法流程 | 第42-43页 |
| ·算法举例 | 第43-45页 |
| ·算法性能分析 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第四章 简化频繁集生成的基于矩阵的 Apriori 算法 | 第47-58页 |
| ·对日志文件的预处理改进 | 第47-50页 |
| ·简化频繁集生成的基于矩阵的 Apriori 算法 | 第50-55页 |
| ·简化频繁集生成过程 | 第50-51页 |
| ·简化频繁集生成的基于矩阵的 Apriori 算法 | 第51-54页 |
| ·算法举例 | 第54-55页 |
| ·分析仿真 | 第55-57页 |
| ·算法性能分析 | 第55-56页 |
| ·实验仿真 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 结束语 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者攻读硕士期间参加的科研项目 | 第66-67页 |
