首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

支持多源大数据的机器学习云平台

摘要第4-5页
Abstract第5-6页
第1章 绪论第13-17页
    1.1 平台背景及国内外研究现状第13-14页
    1.2 本文的主要工作第14-15页
    1.3 论文章节安排第15-16页
    1.4 本章小结第16-17页
第2章 相关理论和技术介绍第17-24页
    2.1 分布式架构系统第17-18页
    2.2 面向服务的体系结构第18-19页
    2.3 分布式文件系统第19-20页
    2.4 自动化机器学习第20-23页
        2.4.1 遗传算法第22页
        2.4.2 贝叶斯优化器第22-23页
    2.5 本章总结第23-24页
第3章 系统架构设计第24-31页
    3.1 整体架构第24-30页
        3.1.1 数据处理模块简介第26-27页
        3.1.2 分布式机器学习模块简介第27-28页
        3.1.3 自动化机器学习引擎简介第28-29页
        3.1.4 前端与后台业务模块简介第29-30页
        3.1.5 DevOps模块第30页
    3.2 本章小结第30-31页
第4章 支持异构数据源的数据处理框架第31-50页
    4.1 分布式架构介绍第31-33页
    4.2 基于HDFS的分布式文件系统第33-35页
        4.2.1 HDFS介绍第33-34页
        4.2.2 HDFS与Spark Data Bus设计第34-35页
    4.3 基于MongoDB的分布式业务数据库第35-36页
        4.3.1 MongoDB第35-36页
        4.3.2 大文件索引数据库第36页
    4.4 基于Spark SQL的跨平台异构大数据处理模块第36-44页
        4.4.1 Spark SQL介绍第37-38页
        4.4.2 Spark SQL大数据处理部分第38-43页
        4.4.3 图数据处理部分第43-44页
    4.5 系统扩展性说明第44-49页
        4.5.1 实验描述第46-47页
        4.5.2 实验结果第47-49页
        4.5.3 实验总结第49页
    4.6 本章小结第49-50页
第5章 可扩展的分布式机器学习集成框架第50-58页
    5.1 分布式机器学习框架集成架构第50-52页
    5.2 各机器学习框架集成第52-56页
        5.2.1 基于Spark MLlib的分布式机器学习框架第52-54页
        5.2.2 基于Tensorflow和Keras的分布式深度学习框架第54-55页
        5.2.3 基于Scikit-learn的单机机器学习框架第55-56页
    5.3 集成接口设计第56-57页
    5.4 机器学习算法扩展部分第57页
    5.5 本章小结第57-58页
第6章 自动化监督性机器学习引擎第58-95页
    6.1 自动化机器学习介绍第58-67页
        6.1.1 自动化机器学习研究问题介绍第59-63页
        6.1.2 自动化机器学习评估标准第63-64页
        6.1.3 自动化机器学习引擎架构第64-67页
    6.2 自动化数据预处理与特征工程第67-72页
        6.2.1 数据预处理第68-69页
        6.2.2 特征工程第69-72页
    6.3 基于NSGA-Ⅱ遗传算法的管道选择器第72-81页
        6.3.1 树形机器学习管道第72-75页
        6.3.2 NSGA Ⅱ遗传算法第75-78页
        6.3.3 管道选择器算法第78-81页
    6.4 基于贝叶斯优化器的超参调节器第81-87页
        6.4.1 贝叶斯优化器第81-84页
        6.4.2 SMAC算法第84-85页
        6.4.3 超参优化算法第85-87页
    6.5 实验设计与分析第87-94页
        6.5.1 实验描述第87-88页
        6.5.2 实验结果分析第88-94页
        6.5.3 实验总结与未来工作第94页
    6.6 本章小结第94-95页
第7章 系统实现与应用第95-105页
    7.1 前端与业务后端架构设计第95-97页
        7.1.1 前端响应式架构设计第95-96页
        7.1.2 后段业务部分架构设计第96-97页
    7.2 平台功能介绍第97-102页
        7.2.1 数据统计分析界面及说明第98页
        7.2.2 自动化机器学习界面及说明第98-99页
        7.2.3 手动机器学习部分界面及说明第99-101页
        7.2.4 深度学习界面及说明第101-102页
    7.3 DevOps架构说明第102-104页
        7.3.1 实际部署部分第103-104页
    7.4 本章小结第104-105页
第8章 总结与展望第105-107页
    8.1 全文总结第105-106页
    8.2 工作展望第106-107页
参考文献第107-110页
攻读硕士学位期间主要的研究成果第110-111页
致谢第111页

论文共111页,点击 下载论文
上一篇:基于注意力机制的声音场景深度分类模型研究
下一篇:不可靠网络传输系统的多源信息融合状态估计