| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 数据挖掘的介绍及研究现状 | 第11-18页 |
| 1.2.1 数据挖掘 | 第11-12页 |
| 1.2.2 相关算法 | 第12-18页 |
| 1.3 课题研究内容 | 第18-21页 |
| 1.3.1 课题的主要研究内容 | 第18-21页 |
| 第2章 Hadoop 概述 | 第21-28页 |
| 2.1 Hadoop 简介 | 第21-22页 |
| 2.2 Hadoop 分布式文件系统 | 第22-24页 |
| 2.2.1 HDFS 性能分析 | 第22-23页 |
| 2.2.2 HDFS 架构 | 第23-24页 |
| 2.3 MapReduce 编程模型 | 第24-27页 |
| 2.3.1 MapReduce 简介 | 第24-25页 |
| 2.3.2 MapReduce 工作原理 | 第25页 |
| 2.3.3 MapReduce 数据流 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 MapReduce 作业的运算性能分析 | 第28-39页 |
| 3.1 MapReduce 框架的调用 | 第28-32页 |
| 3.1.1 Map 函数 | 第28-29页 |
| 3.1.2 Reduce 函数 | 第29-30页 |
| 3.1.3 运行 MapReduce 作业的驱动程序 | 第30-32页 |
| 3.2 MapReduce 作业工作机制 | 第32-33页 |
| 3.3 MapReduce 作业运算分析与优化 | 第33-38页 |
| 3.3.1 内存消耗分析与优化 | 第34-35页 |
| 3.3.2 数据传输分析与优化 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于 MapReduce 计算模型的高效率频繁项集挖掘算法 | 第39-50页 |
| 4.1 问题描述 | 第39-40页 |
| 4.2 算法设计 | 第40-46页 |
| 4.2.1 IOMRA 算法设计 | 第40-43页 |
| 4.2.2 最大合并候选项集阶数问题描述 | 第43-44页 |
| 4.2.3 IOMRA 算法流程 | 第44-46页 |
| 4.3 算法性能分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于云计算的 Apriori 传输效率优化算法 | 第50-60页 |
| 5.1 问题描述 | 第50-51页 |
| 5.2 算法设计 | 第51-55页 |
| 5.2.1 MapReduce 基本类型与格式 | 第51-52页 |
| 5.2.2 传统算法数据格式设计 | 第52-54页 |
| 5.2.3 NWMR 算法数据格式设计 | 第54-55页 |
| 5.3 实验结果与分析 | 第55-58页 |
| 5.4 本章小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |
