| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题背景与研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 Hadoop的研究现状 | 第9-10页 |
| 1.2.2 数据挖掘的研究现状 | 第10-11页 |
| 1.2.3 数据挖掘分布式并行化的研究现状 | 第11-12页 |
| 1.3 论文的研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 Hadoop平台和数据挖掘及其分类概述 | 第15-32页 |
| 2.1 Hadoop平台 | 第15-17页 |
| 2.1.1 Hadoop平台的概述 | 第15页 |
| 2.1.2 Hadoop平台的优势 | 第15-16页 |
| 2.1.3 Hadoop平台的运行机制 | 第16-17页 |
| 2.2 分布式文件系统HDFS | 第17-21页 |
| 2.2.1 HDFS的架构 | 第17-18页 |
| 2.2.2 HDFS文件的写入与读取 | 第18-19页 |
| 2.2.3 HDFS的特点 | 第19页 |
| 2.2.4 HDFS的可靠性设计 | 第19-21页 |
| 2.3 并行计算模式MapReduce | 第21-24页 |
| 2.3.1 MapReduce的概述 | 第21-22页 |
| 2.3.2 MapReduce的架构 | 第22-23页 |
| 2.3.3 MapReduce作业的流程 | 第23-24页 |
| 2.4 数据挖掘 | 第24-28页 |
| 2.4.1 数据挖掘概述与定义 | 第24-25页 |
| 2.4.2 数据挖掘流程 | 第25-26页 |
| 2.4.3 数据挖掘主要的技术支持 | 第26页 |
| 2.4.4 数据挖掘技术的功能分类 | 第26-28页 |
| 2.5 数据挖掘的分类 | 第28-31页 |
| 2.5.1 数据挖掘分类的概述 | 第28页 |
| 2.5.2 数据挖掘分类的流程 | 第28-29页 |
| 2.5.3 数据挖掘分类的数据预处理 | 第29-30页 |
| 2.5.4 数据挖掘分类方法的比较 | 第30页 |
| 2.5.5 几种分类模型构造方法的概述 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 SVM_KNN分类算法的研究与实现 | 第32-44页 |
| 3.1 支持向量机（SVM）算法 | 第32-37页 |
| 3.1.1 SVM算法的简介及相关理论概述 | 第32页 |
| 3.1.2 SVM算法的基本思想 | 第32-33页 |
| 3.1.3 SVM算法的形式化描述 | 第33-36页 |
| 3.1.4 SVM算法的优缺点 | 第36-37页 |
| 3.2 K-近邻（KNN）算法 | 第37-40页 |
| 3.2.1 KNN算法的简介及相关概述 | 第37页 |
| 3.2.2 KNN算法的基本思想 | 第37-38页 |
| 3.2.3 KNN算法的形式化描述 | 第38-39页 |
| 3.2.4 KNN算法的优缺点 | 第39-40页 |
| 3.3 SVM_KNN分类算法 | 第40-43页 |
| 3.3.1 SVM_KNN分类算法的原理 | 第40页 |
| 3.3.2 SVM_KNN分类算法的改进 | 第40-41页 |
| 3.3.3 SVM_KNN分类算法的基本思想 | 第41-42页 |
| 3.3.4 SVM_KNN分类算法的实现步骤 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 SVM_WNB分类算法的研究与实现 | 第44-52页 |
| 4.1 朴素贝叶斯（NB）分类算法 | 第44-47页 |
| 4.1.1 朴素贝叶斯分类算法的简介及相关理论概述 | 第44-45页 |
| 4.1.2 朴素贝叶斯分类算法的基本思想 | 第45-46页 |
| 4.1.3 朴素贝叶斯分类算法的实现过程 | 第46-47页 |
| 4.1.4 朴素贝叶斯分类算法的优缺点 | 第47页 |
| 4.2 SVM_WNB分类算法 | 第47-50页 |
| 4.2.1 SVM_WNB分类算法的原理 | 第47-48页 |
| 4.2.2 SVM_WNB分类算法的改进 | 第48-49页 |
| 4.2.3 SVM_WNB分类算法的基本思想 | 第49-50页 |
| 4.2.4 SVM_WNB分类算法的实现步骤 | 第50页 |
| 4.3 本章小结 | 第50-52页 |
| 第五章 基于Hadoop平台的算法并行化处理及实验分析 | 第52-65页 |
| 5.1 SVM_KNN分类算法的并行化处理 | 第52-55页 |
| 5.1.1 SVM_KNN分类算法并行化处理的原理 | 第52页 |
| 5.1.2 SVM_KNN分类算法并行化处理的基本思路及步骤 | 第52-53页 |
| 5.1.3 SVM_KNN分类算法并行化处理的代码描述 | 第53-55页 |
| 5.2 SVM_WNB分类算法的并行化处理 | 第55-58页 |
| 5.2.1 SVM_WNB分类算法并行化处理的原理 | 第55页 |
| 5.2.2 SVM_WNB分类算法并行化处理的基本思路及步骤 | 第55-56页 |
| 5.2.3 SVM_WNB分类算法并行化处理的代码描述 | 第56-58页 |
| 5.3 实验分析 | 第58-63页 |
| 5.3.1 实验的环境搭建与相关配置 | 第58-59页 |
| 5.3.2 实验的数据准备 | 第59页 |
| 5.3.3 实验的结果与分析 | 第59-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 致谢 | 第72页 |
