| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 大数据研究 | 第12-13页 |
| 1.2.2 有关 Apriori 算法的并行化改进 | 第13-14页 |
| 1.2.3 有关 MapReduce 的分析应用 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 第2章 MapReduce 机制和关联规则挖掘 | 第16-23页 |
| 2.1 MapReduce 框架 | 第16-18页 |
| 2.2 关联规则挖掘算法 Apriori 概述 | 第18-19页 |
| 2.3 Apriori 算法相关定义和概念 | 第19-23页 |
| 第3章 基于 MapReduce 的改进算法-MDR-XHapr | 第23-39页 |
| 3.1 海量多维数据存储要求 | 第23-25页 |
| 3.2 Apriori 算法问题及目前解决方法 | 第25-26页 |
| 3.3 基于 MapReduce 的改进关联规则算法-MDR-XHapr | 第26-37页 |
| 3.4 算法效能分析 | 第37-39页 |
| 第4章 MDR-XHapr 测试和海洋数据规范化存储及频繁项集挖掘30 | 第39-59页 |
| 4.1 实验环境 | 第39-46页 |
| 4.1.1 MongoDB 服务 | 第40页 |
| 4.1.2 分布式 MongoDB 部署 | 第40-45页 |
| 4.1.3 MongoDB 可视化界面：ROBOMongoDB | 第45-46页 |
| 4.2 MDR-XHapr 算法测试和在海洋数据上的应用 | 第46-51页 |
| 4.2.1 MDR-XHapr 算法测试设计与环境搭建 | 第46-48页 |
| 4.2.2 单机上运行改进 Apriori 和 MDR-XHapr 算法 | 第48-49页 |
| 4.2.3 分布式存储上运行 MDR-XHapr 算法 | 第49-51页 |
| 4.3 海洋数据的规范化处理和兴趣项集挖掘 | 第51-59页 |
| 4.3.1 海洋数据的规范化处理 | 第51-56页 |
| 4.3.2 应用 MDR-XHapr 挖掘海洋数据 | 第56-59页 |
| 第5章 结论与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简介及科研成果 | 第64-65页 |
| 致谢 | 第65页 |
