| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 云计算 | 第9-10页 |
| 1.2.2 决策树分类 | 第10-11页 |
| 1.3 论文主要工作 | 第11-12页 |
| 1.4 论文结构 | 第12-14页 |
| 第二章 决策树分类算法 | 第14-26页 |
| 2.1 分类概述 | 第14-16页 |
| 2.2 决策树分类算法概述 | 第16-17页 |
| 2.3 经典决策树分类算法 | 第17-23页 |
| 2.3.1 ID3 算法 | 第17-19页 |
| 2.3.2 C4.5 算法 | 第19-20页 |
| 2.3.3 SLIQ 算法 | 第20-21页 |
| 2.3.4 SPRINT 算法 | 第21-22页 |
| 2.3.5 RainForest 算法 | 第22-23页 |
| 2.4 决策树分类算法并行化 | 第23页 |
| 2.5 本章小结 | 第23-26页 |
| 第三章 Hadoop 开源云平台 | 第26-42页 |
| 3.1 Hadoop 简介 | 第26-28页 |
| 3.1.1 Hadoop 概述 | 第26页 |
| 3.1.2 Hadoop 功能作用 | 第26-27页 |
| 3.1.3 Hadoop 优势 | 第27页 |
| 3.1.4 Hadoop 子项目 | 第27-28页 |
| 3.1.5 Hadoop 的应用现状和发展趋势 | 第28页 |
| 3.2 分布式文件系统 HDFS | 第28-33页 |
| 3.2.1 HDFS 简介 | 第28-29页 |
| 3.2.2 HDFS 的体系结构 | 第29-30页 |
| 3.2.3 HDFS 中文件的读取 | 第30-31页 |
| 3.2.4 HDFS 中文件的写入 | 第31-32页 |
| 3.2.5 HDFS 缺点及改进研究 | 第32-33页 |
| 3.3 分布式计算模型 MapReduce | 第33-40页 |
| 3.3.1 MapReduce 简介 | 第33-34页 |
| 3.3.2 细节化的 MapReduce 的数据流 | 第34-36页 |
| 3.3.3 MapReduce 作业的执行流程 | 第36-39页 |
| 3.3.4 MapReduce 性能调优 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于 Hadoop 的 C4.5 决策树算法并行化 | 第42-48页 |
| 4.1 C4.5 并行算法描述 | 第42-43页 |
| 4.2 基于 Hadoop 的 C4.5 算法并行实现 | 第43-46页 |
| 4.2.1 Map 阶段设计 | 第43页 |
| 4.2.2 Reduce 阶段设计 | 第43-44页 |
| 4.2.3 Main 主程序设计 | 第44-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第五章 实验 | 第48-56页 |
| 5.1 搭建实验平台 | 第48-52页 |
| 5.2 实验内容 | 第52-55页 |
| 5.2.1 验证算法高效性和扩展性 | 第52-53页 |
| 5.2.2 算法在课程教学知识点挖掘的应用 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 工作总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-62页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第62页 |
