基于Hadoop多維時態(tài)數(shù)據(jù)挖掘模型的研究與應(yīng)用.pdf

1、隨著信息技術(shù)與互聯(lián)網(wǎng)技術(shù)的深入發(fā)展，全球數(shù)據(jù)量呈現(xiàn)出爆炸式增長。大規(guī)模數(shù)據(jù)集不僅具有時間特性,隨著社會生活資料和生產(chǎn)資料日益繁雜，還具有明顯的多維屬性。如何真實的反應(yīng)出現(xiàn)實世界中事物和事物之間、事物的不同屬性之間以及不同事物的不同屬性之間的聯(lián)系，從而挖掘出有效的、新穎的、潛在可用的模式和規(guī)則，具有重要的研究意義。
　　數(shù)據(jù)挖掘是從規(guī)模龐大的、有噪聲的數(shù)據(jù)中提取出數(shù)據(jù)內(nèi)部規(guī)律的表現(xiàn)特征的方法和技術(shù)。面對海量的多維時態(tài)數(shù)據(jù)，傳統(tǒng)的存儲

2、系統(tǒng)以及數(shù)據(jù)挖掘模式已經(jīng)不能勝任其所面臨的在效率、擴展性和成本等方面的挑戰(zhàn)。云計算技術(shù)，特別是Hadoop平臺以其擴展性強、性價比高、容錯性好等優(yōu)勢給出了解決大數(shù)據(jù)挖掘的方案。結(jié)合Hadoop云計算平臺，實現(xiàn)大規(guī)模多維時態(tài)數(shù)據(jù)的挖掘是本論文要進行研究的。
　　首先，從時態(tài)數(shù)據(jù)入手，構(gòu)造出多維時態(tài)數(shù)據(jù)SDTE模型。總結(jié)歸納了時間相關(guān)的概念,以時間特性為中心，討論了時態(tài)數(shù)據(jù)的多維性。從現(xiàn)實世界和數(shù)據(jù)庫系統(tǒng)角度出發(fā)，結(jié)合時態(tài)數(shù)據(jù)的數(shù)值型

3、序列、事務(wù)型序列以及事件性序列挖掘的研究，提出了并建立了統(tǒng)一規(guī)范的多維時態(tài)數(shù)據(jù)SDTE模型。
　　其次，結(jié)合大規(guī)模數(shù)據(jù)挖掘和Hadoop技術(shù)平臺，架構(gòu)出基于Hadoop技術(shù)框架的大規(guī)模多維時態(tài)數(shù)據(jù)挖掘模型。模型采用分布式文件系統(tǒng)實現(xiàn)超大文件數(shù)據(jù)的存儲和容錯，同時使用MapReduce的編程模式進行并行計算。自頂向下分層分為動態(tài)交互層、業(yè)務(wù)應(yīng)用層、數(shù)據(jù)挖掘?qū)雍头植际狡脚_層。著重對數(shù)據(jù)挖掘?qū)拥臄?shù)據(jù)管理模塊和并行化編程模塊進行了整合和優(yōu)

4、化。提出了Hive-HBase集成模型對HDFS進行操作，構(gòu)建了通用性的并行化編程模型。
　　然后，基于模型改進了關(guān)聯(lián)規(guī)則FP-Growth算法并進行實驗?；趯Χ嗑S關(guān)聯(lián)規(guī)則概念的研究，在FP-Growth算法的基礎(chǔ)上對影響算法效率較大的求子條件模式基的算法進行改進，提出了FPCpb算法。并對FPCpb算法進行并行化。
　　最后，搭建實驗環(huán)境進行實驗，依據(jù)評估標準對數(shù)據(jù)進行分析，驗證了Hadoop多維時態(tài)數(shù)據(jù)挖掘模型的可行性