| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究工作的背景与意义 | 第12-13页 |
| 1.2 国内外研究历史与现状 | 第13-15页 |
| 1.3 本文的主要工作与贡献 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-17页 |
| 第二章 数据挖掘分类算法及并行化策略 | 第17-35页 |
| 2.1 数据挖掘概述 | 第17-18页 |
| 2.2 数据挖掘分类算法 | 第18-27页 |
| 2.2.1 决策树分类算法 | 第19-21页 |
| 2.2.2 贝叶斯分类算法 | 第21-22页 |
| 2.2.2.1 朴素贝叶斯分类 | 第21-22页 |
| 2.2.3 神经网络算法 | 第22-25页 |
| 2.2.3.1 算法基本思想 | 第23页 |
| 2.2.3.2 多层前馈神经网络 | 第23-25页 |
| 2.2.4 遗传算法 | 第25-27页 |
| 2.3 分类算法的并行化策略 | 第27-34页 |
| 2.3.1 数据挖掘算法并行化的基本策略 | 第27-28页 |
| 2.3.2 数据挖掘算法并行化涉及的主要因素 | 第28页 |
| 2.3.3 分类算法并行的基本策略 | 第28-34页 |
| 2.3.3.1 决策树算法并行化策略 | 第28-29页 |
| 2.3.3.2 贝叶斯分类算法的并行化策略 | 第29-30页 |
| 2.3.3.3 神经网络算法的并行化策略 | 第30-31页 |
| 2.3.3.4 遗传算法的并行化策略 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 SPRINT算法的并行化设计 | 第35-55页 |
| 3.1 SLIQ算法 | 第35-37页 |
| 3.1.1 SLIQ算法简述 | 第35-36页 |
| 3.1.2 MDL原则 | 第36-37页 |
| 3.2 SPRINT算法及其并行化 | 第37-43页 |
| 3.2.1 Sprint算法简述 | 第37-38页 |
| 3.2.2 算法实现过程 | 第38-41页 |
| 3.2.3 Sprint算法并行化基本策略 | 第41-43页 |
| 3.3 SPRINT算法在挖掘实践中的不足 | 第43-46页 |
| 3.3.1 对数据存储方式的分析 | 第43-45页 |
| 3.3.1.1 行存储 | 第43-44页 |
| 3.3.1.2 云存储 | 第44-45页 |
| 3.3.2 对Sprint算法的分析 | 第45-46页 |
| 3.4 SPRINT算法在数据挖掘实践中的改进 | 第46-52页 |
| 3.4.1 数据存储方式 | 第46-47页 |
| 3.4.2 对Sprint算法的改进 | 第47-52页 |
| 3.5 改进算法的并行化实现 | 第52-54页 |
| 3.5.1 数据集的划分 | 第52页 |
| 3.5.2 寻找最佳分割点 | 第52-53页 |
| 3.5.3 执行分裂 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第四章 SPRINT算法在银行客户信用评估系统中的应用 | 第55-72页 |
| 4.1 系统的市场需求 | 第55页 |
| 4.2 系统架构及处理流程 | 第55-57页 |
| 4.3 分类挖掘过程的程序实现及主要说明 | 第57-65页 |
| 4.3.1 开发平台的搭建 | 第58-59页 |
| 4.3.1.1 硬件环境 | 第58-59页 |
| 4.3.1.2 软件环境 | 第59页 |
| 4.3.2 主要功能的程序实现及说明 | 第59-65页 |
| 4.3.2.1 数据集处理 | 第60页 |
| 4.3.2.2 重要数据结构以及部分类图 | 第60-65页 |
| 4.3.2.3 规则输出 | 第65页 |
| 4.4 实验结果对比及分析 | 第65-71页 |
| 4.4.1 不同数据存储方式的性能比较 | 第66-69页 |
| 4.4.2 算法改进前后性能的分析 | 第69-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 论文总结与展望 | 第72-73页 |
| 5.1 论文总结 | 第72页 |
| 5.2 研究展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间取得的成果 | 第77-78页 |