| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 基于Hadoop大规模数据挖掘研究现状 | 第10-11页 |
| 1.2.2 时态数据与多维数据挖掘现状研究 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 多维时态数据模型构造 | 第15-23页 |
| 2.1 时间相关的概念与时间特征提取 | 第15-18页 |
| 2.2 时态数据的多维性 | 第18-20页 |
| 2.3 多维时态数据模型研究 | 第20-21页 |
| 2.4 建立多维时态数据SDTE模型 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于Hadoop技术框架的大规模多维时态数据挖掘模型研究 | 第23-36页 |
| 3.1 基于Hadoop技术框架的研究 | 第23-26页 |
| 3.1.1 Hadoop平台系统结构简介 | 第23-24页 |
| 3.1.2 MapReduce计算模式 | 第24页 |
| 3.1.3 Hadoop数据管理 | 第24-26页 |
| 3.2 大规模数据挖掘过程研究 | 第26-27页 |
| 3.3 基于Hadoop技术框架的大规模多维时态数据挖掘模型总体架构 | 第27-29页 |
| 3.4 大规模多维时态数据管理优化 | 第29-32页 |
| 3.5 MapReduce并行编程模型研究 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 多维时态关联规则算法的并行化改进 | 第36-47页 |
| 4.1 关联规则挖掘技术 | 第36-42页 |
| 4.1.1 关联规则的基本概念 | 第36-38页 |
| 4.1.2 关联规则的分类与拓展 | 第38-40页 |
| 4.1.3 关联规则的算法描述 | 第40-42页 |
| 4.2 基于多维时态数据的关联规则算法改进 | 第42-44页 |
| 4.2.1 多维事件时态关联规则模型 | 第42-43页 |
| 4.2.2 多维时态关联规则算法改进 | 第43-44页 |
| 4.3 多维时态关联规则算法的并行化改进 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 实验与分析 | 第47-58页 |
| 5.1 实验平台的搭建 | 第47-52页 |
| 5.1.1 实验环境 | 第47页 |
| 5.1.2 搭建Hadoop集群 | 第47-51页 |
| 5.1.3 HBase分布式数据库的配置与运行 | 第51页 |
| 5.1.4 Hive数据仓库分析工具的配置与运行 | 第51-52页 |
| 5.2 数据与数据预处理 | 第52-55页 |
| 5.3 多维时态关联规则算法改进算法FPCpb-Growth实验 | 第55-56页 |
| 5.4 基于Hadoop多维时态数据挖掘模型的并行FPCpb-Growth算法实验 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文总结 | 第58-59页 |
| 6.2 进一步工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间的研究成果 | 第66页 |
