Spark平台下的多标签并行演化超网络
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 多标签学习研究现状 | 第10-13页 |
| 1.2.2 超网络研究现状 | 第13-14页 |
| 1.2.3 Spark研究现状 | 第14-15页 |
| 1.3 本文主要工作 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 相关理论及定义 | 第17-25页 |
| 2.1 多标签学习定义 | 第17页 |
| 2.2 多标签学习方法 | 第17-20页 |
| 2.3 超网络定义 | 第20-21页 |
| 2.4 Spark大数据平台简介 | 第21-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 Spark下改进多标签演化超网络 | 第25-36页 |
| 3.1 传统超网络分类器 | 第25-27页 |
| 3.2 多标签演化超网络 | 第27-28页 |
| 3.3 Spark下改进多标签演化超网络 | 第28-34页 |
| 3.3.1 改进多标签演化超网络算法 | 第29-32页 |
| 3.3.2 Spark下改进多标签演化超网络算法 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 Spark下集成多标签演化超网络 | 第36-44页 |
| 4.1 选择性集成 | 第36-38页 |
| 4.2 自组织神经网络 | 第38-40页 |
| 4.2.1 自组织神经网络 | 第38-39页 |
| 4.2.2 Spark下自组织神经网络 | 第39-40页 |
| 4.3 Spark下集成多标签演化超网络 | 第40-43页 |
| 4.4 时间复杂度分析 | 第43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 实验结果与分析 | 第44-58页 |
| 5.1 实验设置 | 第44-47页 |
| 5.1.1 数据集 | 第44-45页 |
| 5.1.2 评价指标 | 第45-46页 |
| 5.1.3 对比方法和实验环境 | 第46-47页 |
| 5.2 参数分析 | 第47-50页 |
| 5.3 准确度比较 | 第50-54页 |
| 5.4 运行效率比较 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结和展望 | 第58-60页 |
| 6.1 本文工作及贡献 | 第58-59页 |
| 6.2 未来展望 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第68页 |
