| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究的主要内容 | 第12页 |
| 1.4 论文结构 | 第12-13页 |
| 1.5 论文创新点 | 第13-14页 |
| 第二章 论文研究总体思路与相关知识 | 第14-24页 |
| 2.1 论文研究总体思路 | 第14页 |
| 2.2 拟解决的关键问题 | 第14-15页 |
| 2.3 相关知识 | 第15-24页 |
| 2.3.1 线性支持向量机 | 第15-17页 |
| 2.3.2 非线性支持向量机 | 第17-18页 |
| 2.3.3 层叠支持向量机 | 第18-19页 |
| 2.3.4 分布式文件系统HDFS | 第19-21页 |
| 2.3.5 基于内存的并行计算框架Spark | 第21-24页 |
| 第三章 层叠支持向量机优化 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 传统层叠支持向量机的缺陷 | 第24-26页 |
| 3.3 限制的随机划分算法 | 第26-28页 |
| 3.4 交叉验证的合并算法 | 第28-33页 |
| 3.5 基于交叉验证的层叠支持向量机 | 第33-34页 |
| 3.6 小结 | 第34-35页 |
| 第四章 基于Spark的层叠支持向量机并行化实现 | 第35-44页 |
| 4.1 引言 | 第35页 |
| 4.2 基于Spark的传统层叠支持向量机的实现 | 第35-39页 |
| 4.2.1 并行化每个子集的训练过程 | 第35-36页 |
| 4.2.2 传统层叠支持向量机基于Spark的实现流程 | 第36-39页 |
| 4.3 基于Spark的交叉验证层叠支持向量机的实现 | 第39-43页 |
| 4.3.1 并行化测试集上的预测过程 | 第39-41页 |
| 4.3.2 交叉验证层叠向量机基于Spark的实现流程 | 第41-43页 |
| 4.4 小结 | 第43-44页 |
| 第五章 实验设计与结果分析 | 第44-54页 |
| 5.1 引言 | 第44页 |
| 5.2 实验环境部署 | 第44-45页 |
| 5.3 实验设计 | 第45-48页 |
| 5.3.1 数据准备与参数选择 | 第45-48页 |
| 5.3.2 实验方案设计 | 第48页 |
| 5.4 实验结果分析 | 第48-53页 |
| 5.5 小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 工作经历及在校期间研究成果 | 第59-60页 |
| 插图索引 | 第60-61页 |
| 表格索引 | 第61-62页 |
| 算法索引 | 第62-67页 |
| 英文缩略词 | 第67-68页 |
| 致谢 | 第68页 |
