| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 数据挖掘 | 第13-15页 |
| 1.2.1 数据挖掘的基本概念 | 第13-14页 |
| 1.2.2 数据挖掘的常用技术 | 第14-15页 |
| 1.2.3 数据挖掘应用领域 | 第15页 |
| 1.3 分布式平台 | 第15-18页 |
| 1.3.1 Hadoop | 第16-17页 |
| 1.3.2 Spark | 第17页 |
| 1.3.3 发展趋势 | 第17-18页 |
| 1.4 概念格 | 第18-19页 |
| 1.5 本文工作 | 第19-21页 |
| 1.5.1 研究内容 | 第19页 |
| 1.5.2 文章结构 | 第19-21页 |
| 第二章 理论基础 | 第21-29页 |
| 2.1 概念格相关理论 | 第21-23页 |
| 2.1.1 概念格的定义 | 第21-22页 |
| 2.1.2 近似概念格的定义 | 第22-23页 |
| 2.2 概念格的建格 | 第23-24页 |
| 2.2.1 批处理算法 | 第23-24页 |
| 2.2.2 增量算法 | 第24页 |
| 2.3 MapReduce框架 | 第24-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于MapReduce框架的近似概念格构造 | 第29-41页 |
| 3.1 并行合并算法 | 第29-34页 |
| 3.1.1 算法的基本思想 | 第29-31页 |
| 3.1.2 算法的可并行性分析 | 第31-32页 |
| 3.1.3 算法的描述 | 第32-33页 |
| 3.1.4 算法的复杂度分析 | 第33-34页 |
| 3.2 并行增量构造算法 | 第34-41页 |
| 3.2.1 算法的基本思想 | 第34-35页 |
| 3.2.2 算法的可并行性分析 | 第35-36页 |
| 3.2.3 算法的描述 | 第36-39页 |
| 3.2.4 算法的复杂度分析 | 第39-41页 |
| 第四章 试验分析 | 第41-49页 |
| 4.1 实例分析 | 第41-43页 |
| 4.2 数据集及实验环境描述 | 第43页 |
| 4.3 试验结果分析 | 第43-48页 |
| 4.3.1 运行时间分析 | 第44-46页 |
| 4.3.2 算法加速比分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结和展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录A 攻读硕士学位期间发表论文 | 第56-57页 |
| 附录B 程序流程图 | 第57-59页 |
| 附录C 部分程序源码 | 第59-69页 |