| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·论文研究背景和意义 | 第9-10页 |
| ·国内外研究现状和发展趋势 | 第10-11页 |
| ·本文的研究内容与主要贡献 | 第11-12页 |
| ·主要研究内容 | 第11-12页 |
| ·主要贡献 | 第12页 |
| ·论文组织结构 | 第12-14页 |
| 2 模式挖掘 | 第14-25页 |
| ·频繁模式挖掘定义 | 第14-15页 |
| ·经典频繁模式挖掘算法 | 第15-20页 |
| ·效用模式挖掘的产生和具体定义 | 第20-22页 |
| ·效用模式挖掘的产生 | 第20页 |
| ·效用模式挖掘的定义 | 第20-22页 |
| ·经典效用模式挖掘算法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 分布式并行计算模型MapReduce和Spark | 第25-37页 |
| ·并行计算模型MapReduce | 第25-28页 |
| ·Hadoop的产生 | 第25-26页 |
| ·MapReduce的编程模型 | 第26-27页 |
| ·MapReduce的工作原理 | 第27-28页 |
| ·并行计算模型Spark | 第28-34页 |
| ·Spark的产生 | 第28-29页 |
| ·弹性分布式数据集RDD | 第29-33页 |
| ·Spark集群 | 第33-34页 |
| ·MapReduce和Spark的对比 | 第34-35页 |
| ·基于MapReduce和Spark的并行模式挖掘算法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于MapReduce并行挖掘频繁模式的新算法Pamph | 第37-57页 |
| ·混合挖掘策略 | 第37-41页 |
| ·混合挖掘策略的思路 | 第38-39页 |
| ·宽度优先挖掘到深度优先挖掘的自动转换 | 第39-40页 |
| ·宽度优先挖掘中使用的剪枝(prune)技术 | 第40-41页 |
| ·数据格式 | 第41-44页 |
| ·宽度优先挖掘策略中所用的数据格式mixset | 第41-43页 |
| ·深度优先挖掘策略中所用的数据格式 | 第43页 |
| ·垂直数据格式mixset转换为水平数据格式 | 第43-44页 |
| ·并行挖掘算法Pamph | 第44-48页 |
| ·统计一阶频繁模式作业(Job1) | 第45-46页 |
| ·混合挖掘作业(Job2) | 第46-48页 |
| ·小规模集群下的实验分析 | 第48-55页 |
| ·和已有算法DPC、PFP运行时间的对比 | 第48-50页 |
| ·扩展性实验 | 第50-51页 |
| ·Pamph算法剖析 | 第51-55页 |
| ·大规模集群下的实验分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于Spark并行挖掘效用模式的新算法Phps | 第57-70页 |
| ·搜索策略 | 第57页 |
| ·数据结构UtilityList的改进和裁剪策略 | 第57-59页 |
| ·并行效用模式挖掘算法Phps | 第59-65页 |
| ·算法第一阶段 | 第59-61页 |
| ·算法第二阶段 | 第61-63页 |
| ·算法第三阶段 | 第63-65页 |
| ·实验对比分析 | 第65-68页 |
| ·实验对比算法 | 第65-66页 |
| ·实验环境和数据集 | 第66-67页 |
| ·实验结果与分析 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-71页 |
| ·论文总结 | 第70页 |
| ·未来展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 本文作者硕士期间参加的科研项目及学术成果 | 第74-75页 |
| 致谢 | 第75-76页 |
