| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 第二章 Hadoop平台原理与数据挖掘 | 第12-19页 |
| 2.1 Hadoop的整体架构 | 第12-13页 |
| 2.2 HDFS分布式存储 | 第13-14页 |
| 2.2.1 HDFS体系结构 | 第13-14页 |
| 2.2.2 HDFS工作流程 | 第14页 |
| 2.3 MapReduce分布式计算 | 第14-16页 |
| 2.3.1 MapReduce体系结构 | 第14-15页 |
| 2.3.2 MapReduce工作流程 | 第15-16页 |
| 2.4 数据挖掘简介 | 第16-19页 |
| 2.4.1 数据挖掘流程 | 第16-17页 |
| 2.4.2 数据挖掘算法 | 第17-19页 |
| 第三章 Web日志预处理 | 第19-29页 |
| 3.1 Web挖掘与Web日志 | 第19-21页 |
| 3.2 Web日志预处理阶段 | 第21-29页 |
| 3.2.1 数据清洗 | 第22-23页 |
| 3.2.2 用户识别 | 第23-25页 |
| 3.2.3 会话识别及其改进 | 第25-29页 |
| 第四章 DBSCAN和DBDC聚类算法及其改进 | 第29-38页 |
| 4.1 DBSCAN算法 | 第29-32页 |
| 4.2 改进的DBDC算法D-DBDC | 第32-38页 |
| 4.2.1 局部聚类阶段的改进 | 第33-37页 |
| 4.2.2 Web日志挖掘中局部调整算法 | 第37-38页 |
| 第五章 关联规则FP-Growth算法及其改进 | 第38-56页 |
| 5.1 Apriori算法 | 第38-39页 |
| 5.2 FP-Growth算法 | 第39-41页 |
| 5.3 基于聚类动态决策的分布式D-FP-Growth算法 | 第41-56页 |
| 5.3.1 基于水平分割的分布式FP-Growth算法 | 第41-47页 |
| 5.3.2 基于垂直分割的分布式FP-Growth算法 | 第47-50页 |
| 5.3.3 基于聚类动态决策的分布式D-FP-Growth算法及其平衡策略 | 第50-56页 |
| 第六章 基于聚类的平衡的D-FP-Growth算法在Web日志中的应用实现与分析 | 第56-66页 |
| 6.1 系统环境与整体结构 | 第56-57页 |
| 6.2 数据预处理实现与分析 | 第57-59页 |
| 6.3 聚类功能实现与算法分析 | 第59-62页 |
| 6.4 频繁模式挖掘功能实现与算法分析 | 第62-64页 |
| 6.5 挖掘结果分析 | 第64-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66-67页 |
| 7.2 展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70页 |
