| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 相关理论的发展概况 | 第9-15页 |
| 1.2.1 频繁项集挖掘 | 第9-11页 |
| 1.2.2 时间序列压缩 | 第11-13页 |
| 1.2.3 分布式计算框架Spark | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-17页 |
| 第2章 基于SPARK的频繁项集挖掘算法 | 第17-42页 |
| 2.1 引言 | 第17页 |
| 2.2 SPARK上的并行APRIORI挖掘算法 | 第17-22页 |
| 2.2.1 算法过程 | 第19-21页 |
| 2.2.2 算法优化 | 第21-22页 |
| 2.3 SPARK上的并行FP-GROWTH挖掘算法 | 第22-29页 |
| 2.3.1 算法过程 | 第24-28页 |
| 2.3.2 算法优化 | 第28-29页 |
| 2.4 SPARK上的两段式挖掘算法 | 第29-40页 |
| 2.4.1 算法过程 | 第29-36页 |
| 2.4.2 算法的完备性 | 第36-37页 |
| 2.4.3 算法优化 | 第37-40页 |
| 2.5 三种算法的比较 | 第40-41页 |
| 2.6 基于SPARK的频繁子序列挖掘 | 第41页 |
| 2.7 本章小结 | 第41-42页 |
| 第3章 基于感知重要点的时间序列压缩算法 | 第42-53页 |
| 3.1 引言 | 第42页 |
| 3.2 时间序列上数据点的感知重要性 | 第42-45页 |
| 3.3 基于感知重要点压缩时间序列 | 第45-50页 |
| 3.3.1 基于全局感知重要点的压缩算法 | 第45-48页 |
| 3.3.2 基于局部感知重要点的压缩算法 | 第48-50页 |
| 3.4 两种算法的对比 | 第50-51页 |
| 3.5 基于SPARK平台的压缩 | 第51页 |
| 3.6 在压缩的时间序列上寻找频繁模式 | 第51-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第4章 实验结果与分析 | 第53-65页 |
| 4.1 引言 | 第53页 |
| 4.2 基于SPARK的频繁项集挖掘算法实验 | 第53-58页 |
| 4.2.1 实验环境与实验数据 | 第53-54页 |
| 4.2.2 实验结果与分析 | 第54-58页 |
| 4.3 基于感知重要点的时间序列压缩算法实验 | 第58-63页 |
| 4.3.1 实验环境和实验数据 | 第58页 |
| 4.3.2 实验结果与分析 | 第58-63页 |
| 4.4 本章小结 | 第63-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第70-72页 |
| 致谢 | 第72页 |