| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容和组织结构 | 第10-12页 |
| 第二章 Hadoop框架研究 | 第12-24页 |
| 2.1 MapReduce并行编程模型 | 第12-15页 |
| 2.1.1 MapReduce并行编程模型原理 | 第12-13页 |
| 2.1.2 MapReduce工作机制 | 第13-15页 |
| 2.2 HDFS分布式文件系统 | 第15-19页 |
| 2.2.1 HDFS分布式文件系统的架构 | 第16-17页 |
| 2.2.2 HDFS数据读取流程 | 第17-18页 |
| 2.2.3 HDFS数据写入流程 | 第18-19页 |
| 2.3 HBase数据库 | 第19-23页 |
| 2.3.1 HBase系统结构 | 第19-20页 |
| 2.3.2 HBase数据模型 | 第20-22页 |
| 2.3.3 HBase物理存储 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 数据挖掘和关联规则 | 第24-29页 |
| 3.1 数据挖掘 | 第24-26页 |
| 3.1.1 数据挖掘概述 | 第24-25页 |
| 3.1.2 数据挖掘的体系结构 | 第25-26页 |
| 3.2 关联规则 | 第26-28页 |
| 3.2.1 关联规则概念 | 第26-28页 |
| 3.2.2 关联规则挖掘过程 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 基于MapReduce的Apriori算法并行化改进 | 第29-43页 |
| 4.1 MapReduce框架下Apriori算法 | 第29-32页 |
| 4.1.1 Apriori算法描述 | 第29-31页 |
| 4.1.2 MapReduce框架下Apriori算法并行化 | 第31-32页 |
| 4.2 基于MapReduce框架Apriori算法并行化的改进 | 第32-42页 |
| 4.2.1 C_Apriori算法设计 | 第32-39页 |
| 4.2.2 C_Apriori算法实例 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 基于Hadoop的并行数据挖掘系统的设计与应用 | 第43-62页 |
| 5.1 系统的需求 | 第43页 |
| 5.2 系统的设计 | 第43-50页 |
| 5.2.1 存储层和数据迁移层设计 | 第44-47页 |
| 5.2.2 数据挖掘层设计 | 第47-49页 |
| 5.2.3 显示层设计 | 第49-50页 |
| 5.3 Hadoop集群环境的搭建 | 第50-55页 |
| 5.3.1 硬件环境 | 第51页 |
| 5.3.2 软件环境 | 第51-55页 |
| 5.4 实验分析 | 第55-57页 |
| 5.5 算法实际应用 | 第57-60页 |
| 5.5.1 智慧社区概述 | 第57-58页 |
| 5.5.2 C_Apriori算法应用 | 第58-60页 |
| 5.5.3 应用分析 | 第60页 |
| 5.6 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 致谢 | 第67页 |
