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

Hadoop平台参数寻优的分布式SVM算法研究

摘要第3-4页
Abstract第4-5页
1 绪论第8-16页
    1.1 研究背景与意义第8-9页
    1.2 支持向量机研究现状第9-13页
    1.3 论文的研究内容与章节安排第13-16页
        1.3.1 研究内容第13-14页
        1.3.2 章节安排第14-16页
2 机器学习与Hadoop平台第16-24页
    2.1 机器学习与分类算法第16-17页
        2.1.1 机器学习概述第16页
        2.1.2 分类算法第16-17页
    2.2 Hadoop平台第17-23页
        2.2.1 Hadoop概述第17-19页
        2.2.2 HDFS介绍第19-21页
        2.2.3 MapReduce框架第21-23页
    2.3 本章小结第23-24页
3 支持向量机第24-32页
    3.1 SVM概述第24-29页
        3.1.1 线性可分SVM第24-26页
        3.1.2 KKT条件与SMO算法第26-27页
        3.1.3 非线性SVM与核函数第27-28页
        3.1.4 软间隔第28-29页
    3.2 本章小结第29-32页
4 参数寻优的分布式SVM第32-52页
    4.1 单机SVM第32-35页
        4.1.1 LIBSVM包使用第32-33页
        4.1.2 样本数据与预处理第33-35页
    4.2 Hadoop平台分布式SVM第35-41页
        4.2.1 分布式SVM第35-36页
        4.2.2 Hadoop平台分布式SVM实现第36-41页
    4.3 SVM参数寻优第41-51页
        4.3.1 网格法参数寻优第41-43页
        4.3.2 粒子群算法第43-46页
        4.3.3 分布式PSO第46-47页
        4.3.4 Hadoop平台分布式PSO第47-51页
    4.4 本章小结第51-52页
5 实验与结果分析第52-58页
    5.1 Hadoop实验环境搭建第52-53页
        5.1.1 集群软硬件描述第52页
        5.1.2 Hadoop集群搭建第52-53页
    5.2 实验设计与结果分析第53-57页
        5.2.1 实验设计第53页
        5.2.2 算法实验第53-57页
    5.3 本章小结第57-58页
6 总结与展望第58-60页
    6.1 总结第58页
    6.2 展望第58-60页
致谢第60-62页
参考文献第62-64页

论文共64页,点击 下载论文
上一篇:银座百货节能管理研究
下一篇:基于组态王晶体炉控制系统的设计