基于云平台的预测分析算法的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 相关技术与理论介绍 | 第13-28页 |
| 2.1 资源管理系统Yarn | 第13-15页 |
| 2.2 并行计算框架Spark | 第15-19页 |
| 2.3 数据处理工具Hive | 第19-21页 |
| 2.4 开源ETL工具Kettle | 第21-22页 |
| 2.5 机器学习的预测过程 | 第22-23页 |
| 2.6 相关算法介绍 | 第23-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 预测算法的优化与实现 | 第28-46页 |
| 3.1 C4.5决策树算法 | 第28-35页 |
| 3.1.1 C4.5决策树基础 | 第28-31页 |
| 3.1.2 剪枝方法 | 第31-32页 |
| 3.1.3 相关改进总结 | 第32页 |
| 3.1.4 算法的优化 | 第32-33页 |
| 3.1.5 算法的并行实现 | 第33-35页 |
| 3.2 BP神经网络算法 | 第35-45页 |
| 3.2.1 BP神经网络基础 | 第35-37页 |
| 3.2.2 非线性学习方法 | 第37-40页 |
| 3.2.3 相关改进总结 | 第40-41页 |
| 3.2.4 算法的优化 | 第41-43页 |
| 3.2.5 算法的并行实现 | 第43-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第四章 实验验证 | 第46-54页 |
| 4.1 实验环境 | 第46页 |
| 4.2 实验数据 | 第46-48页 |
| 4.3 C4.5决策树算法 | 第48-50页 |
| 4.4 BP神经网络算法 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 算法集成及应用实例 | 第54-70页 |
| 5.1 基于云计算的海量数据分析平台 | 第54-55页 |
| 5.2 应用开发 | 第55-69页 |
| 5.2.1 相关技术介绍 | 第55-57页 |
| 5.2.2 应用场景介绍 | 第57-60页 |
| 5.2.3 组件集成 | 第60-63页 |
| 5.2.4 组件界面展示 | 第63-66页 |
| 5.2.5 应用操作流程 | 第66-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文 | 第76页 |
