基于云計算的關聯規(guī)則Apriori算法的研究與實現.pdf

1、隨著信息、媒體和通訊技術的迅速發(fā)展和普及，同時也伴隨著各種數據鋪天蓋地的襲來，但是通常情況下這些數據都是有雜質的、數量巨大的、不可直接使用和拿來運算的。與此同時海量信息的挖掘問題遲遲沒有新解決方案，一直等到云計算模式的產生，為化解此危機提出了破解方法。經過仔細分析和研究云計算和數據挖掘的算法，確立了課題的研究方向和目標。
　　本文使用了Hadoop集群方式配置實驗環(huán)境，Eclipse開發(fā)工具和Java編程語言來實現整個實驗，同時基

2、于Apriori算法研發(fā)了新的算法，通過不同指標對比Apriori算法和改良后的算法在不同環(huán)境下的優(yōu)缺點，并利用真實數據進行測試實驗，得出實驗結論。本文最開始通過了解和分析近代國內外相關技術的發(fā)展趨勢和研究現狀，確立了云計算和數據挖掘方面的研究背景和研究意義。然后，詳細介紹Hadoop中非常重要的兩個部分：HDFS和MapReduce。接下來分兩章重點闡述了兩種不同的改良算法，第一種算法采用基于冪集的Apriori算法和基于支持度技術優(yōu)

3、化的方案，將已存在的冪集改進方法融合優(yōu)化后的計數技術,最后整理融合成為一個新的算法命名為RDBSC_Apriori；第二種算法采用基于矩陣的Apriori算法和剪枝步的原理，最終整理融合成為一個新的算法命名為PMBSC_Apriori。最后，針對數據集大小、節(jié)點數量和加速比等方面,在搭建好的環(huán)境下進行測試實驗，最終得出實驗結果。
　　通過對實驗數據的分析，證明改良后的算法在測試實驗里的可行性和準確性。同時，整個實驗系統運行正常，各