摘要：为解决传统的Apriori算法多次扫描数据库和多次连接带来的时间开销及加入新事务时未能实时动态更新频繁项集的不足,对传统Apriori挖掘算法和基于矩阵频繁项集动态挖掘算法的执行效率和空间利用情况的问题进行深入分析,提出基于邻接多重表的动态频繁项集挖掘优化算法。将所有事务项映射到带有权值的邻接多重表结构上,通过遍历邻接多重表结构来挖掘频繁项集,在加入新事务时可以动态更新频繁项集。实验结果表明,该算法在执行性能上有一定提升,减少了内存开销,弥补了加入新事务时未能实时动态更新频繁项集的不足。

摘要：由于多媒体技术不断发展,学习资源呈爆炸式增长,给资源存储提出了新的挑战。Hadoop平台对小文件的存储和访问存在内存消耗高、存储空间浪费等问题。针对这种情况,分析学习资源的特点,设计两级Hadoop模式,优化学习资源存储策略,提出基于多层次Hadoop的学习资源云存储模型。并在实验室环境下搭建存储模型,对多类型的学习资源文件进行存储测试分析。分析结果表明,模型在存储空间、内存消耗和存储效率上较传统Hadoop模型有着明显的改善,适合海量学习资源的存储需求。