| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| 1.1 论文研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-12页 |
| 1.3 本文的研究内容与主要贡献 | 第12-13页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 主要贡献 | 第13页 |
| 1.4 本文结构 | 第13-15页 |
| 2 关联规则挖掘 | 第15-30页 |
| 2.1 关联规则简介 | 第15-16页 |
| 2.2 关联规则定义 | 第16-19页 |
| 2.3 主要的挖掘算法 | 第19-29页 |
| 2.3.1 完全频繁模式挖掘 | 第19-25页 |
| 2.3.2 闭合频繁模式挖掘 | 第25-26页 |
| 2.3.3 最大频繁模式挖掘 | 第26-27页 |
| 2.3.4 传统的并行关联挖掘算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 MapReduce下的并行关联规则挖掘 | 第30-39页 |
| 3.1 Hadoop的产生和设计目标 | 第30-31页 |
| 3.2 MapReduce编程模型 | 第31-32页 |
| 3.3 Hadoop基本架构 | 第32-35页 |
| 3.3.1 HDFS模块 | 第33-34页 |
| 3.3.2 HadoopMapReduce模块 | 第34-35页 |
| 3.4 基于MapReduce的并行关联规则挖掘算法 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 4 基于MapReduce的并行Eclat算法 | 第39-52页 |
| 4.1 Peclat搜索策略 | 第39-40页 |
| 4.2 纵向表示法混用策略 | 第40-43页 |
| 4.3 宽度优先的Peclat | 第43-48页 |
| 4.3.1 mrJob4Countingltems | 第44-45页 |
| 4.3.2 mrJob4FindingLargeK | 第45-48页 |
| 4.3.3 算法分析 | 第48页 |
| 4.4 深度优先的Peclat | 第48-51页 |
| 4.4.1 mrJob4ParallelEclat | 第49-51页 |
| 4.4.2 算法分析 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 实验和分析 | 第52-60页 |
| 5.1 实验环境 | 第52-53页 |
| 5.1.1 集群配置 | 第52页 |
| 5.1.2 Windows开发环境 | 第52-53页 |
| 5.2 实验的数据集 | 第53页 |
| 5.3 实验和分析 | 第53-59页 |
| 5.3.1 运行时间对比的实验 | 第54-55页 |
| 5.3.2 纵向表示法混用策略的实验 | 第55-57页 |
| 5.3.3 搜索策略的实验 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-61页 |
| 6.1 论文总结 | 第60页 |
| 6.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录：Hadoop平台的搭建到运行 | 第64-68页 |
| 本文作者硕士期间参加的科研项目及学术成果 | 第68-69页 |
| 致谢 | 第69-70页 |
