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 |
