基于粗糙集理论的并行属性多约简及规则提取
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文工作 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 第2章 粗糙集与并行编程理论及决策树分析理论 | 第15-28页 |
| 2.1 粗糙集理论的基本知识 | 第15-20页 |
| 2.1.1 知识与知识系统 | 第15-17页 |
| 2.1.2 粗糙集理论 | 第17-19页 |
| 2.1.3 属性约简和属性重要度 | 第19-20页 |
| 2.2 并行计算理论 | 第20-23页 |
| 2.2.1 MapReduce编程模型 | 第20-21页 |
| 2.2.2 Hadoop及其守护进程 | 第21-22页 |
| 2.2.3 并行特征与并行性能 | 第22-23页 |
| 2.3 决策树相关理论 | 第23-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 正区域并行属性约简及决策树规则提取算法 | 第28-45页 |
| 3.1 整体算法的设计步骤 | 第28页 |
| 3.2 正区域并行属性多约简算法 | 第28-38页 |
| 3.2.1 简化决策表并行生成算法 | 第29-31页 |
| 3.2.2 基于简表的正区域并行多约简算法 | 第31-36页 |
| 3.2.3 正区域并行多约简算法实例分析 | 第36-38页 |
| 3.3 决策树规则提取算法 | 第38-44页 |
| 3.3.1 CART决策树的构建算法 | 第38-43页 |
| 3.3.2 代价复杂度的剪枝算法 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 算法实验及分析 | 第45-62页 |
| 4.1 实验环境及实验数据 | 第45-46页 |
| 4.2 算法约简结果实验及分析 | 第46-47页 |
| 4.2.1 实验设置 | 第46页 |
| 4.2.2 实验结果 | 第46-47页 |
| 4.3 算法运行时间实验及分析 | 第47-50页 |
| 4.3.1 实验设置 | 第48页 |
| 4.3.2 实验结果 | 第48-50页 |
| 4.4 算法并行性能实验及分析 | 第50-52页 |
| 4.4.1 加速比实验 | 第50-51页 |
| 4.4.2 可扩展性实验 | 第51-52页 |
| 4.5 算法分类精度实验及分析 | 第52-57页 |
| 4.5.1 随机森林介绍 | 第52-53页 |
| 4.5.2 Mahout中随机森林的应用 | 第53-55页 |
| 4.5.3 随机森林参数的选择 | 第55-57页 |
| 4.5.4 分类精度实验 | 第57页 |
| 4.6 规则提取算法实验及分析 | 第57-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62页 |
| 5.2 下一步工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 附录A UCI中经典数据集的约简结果 | 第69-70页 |
| 攻读学位期间公开发表论文 | 第70-71页 |
| 致谢 | 第71页 |
