摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-10页 |
第一章 绪论 | 第10-16页 |
1.1 课题背景及意义 | 第10-11页 |
1.2 国内外的研究现状 | 第11-13页 |
1.3 论文主要工作 | 第13-14页 |
1.4 论文主要组织结构 | 第14-15页 |
1.5 本章小结 | 第15-16页 |
第二章 云平台与医疗大数据 | 第16-24页 |
2.1 医疗大数据 | 第16-17页 |
2.1.1 医疗大数据的产生 | 第16页 |
2.1.2 医疗大数据的特点 | 第16-17页 |
2.2 云计算 | 第17-21页 |
2.2.1 云计算的定义 | 第17-18页 |
2.2.2 云计算的独特特征 | 第18-19页 |
2.2.3 按服务类型的分类 | 第19-20页 |
2.2.4 按服务方式分类 | 第20-21页 |
2.3 基于云计算的医疗大数据系统架构 | 第21-23页 |
2.4 本章小结 | 第23-24页 |
第三章 数据挖掘算法 | 第24-42页 |
3.1 数据挖掘 | 第24-25页 |
3.1.1 数据挖掘的产生 | 第24页 |
3.1.2 数据挖掘的主要应用 | 第24-25页 |
3.2 关联规则挖掘 | 第25-27页 |
3.2.1 关联规则的基本概念 | 第25-26页 |
3.2.2 关联规则的分类 | 第26-27页 |
3.2.3 关联规则挖掘算法性能衡量 | 第27页 |
3.3 几种常见的关联规则算法 | 第27-28页 |
3.4 Apriori数据挖掘算法 | 第28-31页 |
3.4.1 Apriori算法的基本步骤 | 第28-30页 |
3.4.2 Apriori算法的缺陷 | 第30-31页 |
3.5 改进的Apriori算法 | 第31-39页 |
3.5.1 兴趣度 | 第31-34页 |
3.5.2 引入兴趣度的改进算法 | 第34-37页 |
3.5.3 改进算法实例分析 | 第37-39页 |
3.6 改进算法仿真 | 第39-41页 |
3.7 本章小结 | 第41-42页 |
第四章 基于云平台MapReduce的Apriori算法研究 | 第42-53页 |
4.1 Hadoop平台 | 第42-44页 |
4.1.1 Hadoop平台概述 | 第42页 |
4.1.2 Hadoop平台特点 | 第42页 |
4.1.3 Hadoop平台架构 | 第42-44页 |
4.2 MapReduce化 | 第44-46页 |
4.2.1 MapReduce简介 | 第44页 |
4.2.2 MapReduce的运行模式 | 第44-46页 |
4.3 Apriori算法MapReduce化的几种常见算法 | 第46-48页 |
4.3.1 CD算法(Count Distribution) | 第46页 |
4.3.2 DD算法(Data Distribution) | 第46-47页 |
4.3.3 CaD算法(Candidate Distribution) | 第47-48页 |
4.4 改进的MapReduce化Apriori算法 | 第48-51页 |
4.4.1 生成频繁项算法 | 第48-50页 |
4.4.2 发现关联规则算法 | 第50页 |
4.4.3 实例分析 | 第50-51页 |
4.5 本章小结 | 第51-53页 |
第五章 MapReduce化的Apriori算法实现 | 第53-59页 |
5.1 Hadoop平台搭建 | 第53-54页 |
5.1.1 集群节点组建 | 第53页 |
5.1.2 集群节点预配置 | 第53-54页 |
5.1.3 集群节点Hadoop安装 | 第54页 |
5.2 Hadoop运行模式 | 第54-55页 |
5.2.1 独立模式(Single Node Model) | 第54页 |
5.2.2 伪分布模式(Pseudo-Distributed Model) | 第54-55页 |
5.2.3 完全分布模式(Fully-distributed Model) | 第55页 |
5.3 算法的仿真实验 | 第55-58页 |
5.3.1 并行算法与串行算法的对比 | 第55-57页 |
5.3.2 完全分布模式下改进算法的仿真 | 第57-58页 |
5.4 本章小结 | 第58-59页 |
第六章 总结与展望 | 第59-61页 |
参考文献 | 第61-64页 |
致谢 | 第64-65页 |
攻读学位期间发表的学术论文目录 | 第65页 |