并行Apriori算法的性能优化技术研究

并行Apriori算法的性能优化技术研究

论文摘要

随着计算机和互联网技术的不断发展及在各行业中的广泛使用,人们积累的各种数据成爆炸式增长,如何有效利用这些数据,是目前所面临的重大挑战。而企业往往也需要从大量的数据中挖掘和分析,得出准确有用的信息,这使得关联规则挖掘算法尤为重要。传统的并行Apriori关联规则算法在解决这类问题时由于存在着一些固有缺陷,因此效果表现不佳,而本文主要研究并行Apriori算法的性能优化技术。本文对传统的串并行Apriori算法进行深入分析,重点研究并行算法在逻辑流程方面和物理实现方面的优化技术,取得了以下几个方面的研究成果:1.提出关于并行算法逻辑流程的优化技术。通过研究当前并行算法的逻辑流程,给出了解决候选集过大和负载不均这两个缺陷的优化技术,并结合Trie树存储结构,给出了规则生成优化技术。实验结果表明,这些优化技术能够有效地减少候选集数量和减少负载不均情况,并提高规则生成效率。2.提出关于并行算法物理实现的优化技术。通过研究当前并行算法的物理实现,给出了解决数据库扫描次数过多缺陷的优化技术,并结合Trie树存储结构,给出了适应Trie树的内存分配优化技术。实验结果表明,这些优化技术能够有效地减少数据库扫描次数和提高内存利用率。基于上述研究成果,本文设计了并行Apriori算法规则挖掘系统。系统包括数据库模块,负载平衡模块,规则挖掘模块和规则生成模块等,能够有效地分析挖掘出所需的关联规则,为相关优化技术的实验和研究提供了一个基本的平台。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题研究背景和意义
  • 1.2 国内外相关研究和综述
  • 1.2.1 串行关联规则算法研究现状
  • 1.2.2 并行关联规则算法研究现状
  • 1.3 课题研究内容
  • 1.3.1 并行Apriori算法的逻辑流程优化
  • 1.3.2 并行Apriori算法的物理实现优化
  • 1.4 本文的结构安排
  • 第2章 Apriori算法的基本概念
  • 2.1 关联规则挖掘基本概念
  • 2.1.1 关联规则挖掘基本概念
  • 2.1.2 关联规则挖掘基本定义
  • 2.1.3 串并行算法设计要点
  • 2.2 Apriori算法的基本概念
  • 2.2.1 串行Apriori算法
  • 2.2.2 并行Apriori算法
  • 2.3 并行Apriori算法的优缺点与问题
  • 第3章 并行Apriori算法的逻辑流程优化
  • 3.1 引言
  • 3.2 候选集生成优化
  • 3.3 负载平衡优化
  • 3.4 规则生成优化
  • 3.5 实验与分析
  • 3.5.1 实验运行环境
  • 3.5.2 实验数据描述
  • 3.5.3 算法评价指标
  • 3.5.4 实验结果分析
  • 第4章 并行Apriori算法的物理实现优化
  • 4.1 引言
  • 4.2 数据库扫描优化
  • 4.2.1 数据库分块扫描优化技术
  • 4.2.2 数据库压缩优化技术
  • 4.3 数据存储结构优化
  • 4.4 内存分配优化
  • 4.5 实验与分析
  • 4.5.1 实验数据描述
  • 4.5.2 算法评价标准
  • 4.5.3 实验结果分析
  • 第5章 基于并行Apriori算法的关联规则挖掘系统
  • 5.1 引言
  • 5.2 系统的功能与目标
  • 5.3 系统总体设计
  • 5.3.1 系统原理
  • 5.3.2 系统总体架构
  • 5.4 系统详细设计
  • 5.4.1 数据库模块
  • 5.4.2 预处理模块
  • 5.4.3 负载平衡模块
  • 5.4.4 频繁集抽取模块
  • 5.4.5 规则生成模块
  • 5.4.6 前台展示模块
  • 5.5 系统展示
  • 结论
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  

    并行Apriori算法的性能优化技术研究
    下载Doc文档

    猜你喜欢