| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的组织结构 | 第11-13页 |
| 2 相关理论及技术 | 第13-23页 |
| 2.1 Hadoop概述 | 第13-20页 |
| 2.1.1 HDFS | 第14-17页 |
| 2.1.2 MapReduce | 第17-20页 |
| 2.2 数据挖掘 | 第20-22页 |
| 2.2.1 数据挖掘过程 | 第20-21页 |
| 2.2.2 基于Hadoop的数据挖掘系统 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 一种云环境下的P_Apriori_BP算法 | 第23-31页 |
| 3.1 Apriori算法 | 第23-24页 |
| 3.1.1 Apriori算法思想 | 第23-24页 |
| 3.1.2 Apriori算法存在的不足 | 第24页 |
| 3.2 P_Apriori_BP算法 | 第24-26页 |
| 3.2.1 基于划分思想的Apriori算法改进思路 | 第24-25页 |
| 3.2.2 基于划分思想的Apriori改进算法描述 | 第25-26页 |
| 3.3 P_Apriori_BP算法MapReduce设计 | 第26-29页 |
| 3.3.1 P_Apriori_BP算法MapReduce流程设计 | 第26-29页 |
| 3.3.2 P_Apriori_BP算法MapReduce关键代码设计 | 第29页 |
| 3.4 P_Apriori_BP算法性能分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 一种云环境下的Apriori_PBCM算法 | 第31-43页 |
| 4.1 Apriori_PBCM算法 | 第31-37页 |
| 4.1.1 相关术语及定义 | 第31-32页 |
| 4.1.2 基于压缩矩阵的Apriori算法改进思路 | 第32-33页 |
| 4.1.3 基于压缩矩阵的Apriori改进算法描述 | 第33-35页 |
| 4.1.4 基于压缩矩阵的Apriori改进算法举例 | 第35-37页 |
| 4.2 Apriori_PBCM算法MapReduce设计 | 第37-42页 |
| 4.2.1 Apriori_PBCM算法MapReduce流程设计 | 第38-40页 |
| 4.2.2 Apriori_PBCM算法MapReduce关键代码设计 | 第40-42页 |
| 4.3 Apriori_PBCM算法性能分析 | 第42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 实验与分析 | 第43-57页 |
| 5.1 实验环境 | 第43-46页 |
| 5.1.1 实验硬件环境 | 第43页 |
| 5.1.2 实验软件环境 | 第43-46页 |
| 5.2 实验数据 | 第46-48页 |
| 5.2.1 实验数据来源 | 第46页 |
| 5.2.2 数据预处理 | 第46-48页 |
| 5.3 P_Apriori_BP算法实验与分析 | 第48-51页 |
| 5.3.1 不同数据规模下算法运行效率对比 | 第49-50页 |
| 5.3.2 不同支持度下算法运行效率对比 | 第50-51页 |
| 5.3.3 不同节点数算法运行效率对比 | 第51页 |
| 5.4 Apriori_PBCM算法实验与分析 | 第51-54页 |
| 5.4.1 不同数据规模下算法运行效率对比 | 第51-52页 |
| 5.4.2 不同支持度下算法运行效率对比 | 第52-53页 |
| 5.4.3 不同节点数算法运行效率对比 | 第53-54页 |
| 5.5 挖掘结果分析 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |
