| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文工作 | 第12页 |
| 1.4 论文结构 | 第12-13页 |
| 第2章 粗糙集属性约简与MapReduce并行编程框架 | 第13-31页 |
| 2.1 粗糙集理论基本知识 | 第13-19页 |
| 2.1.1 知识系统与知识 | 第13-14页 |
| 2.1.2 粗糙集理论 | 第14-16页 |
| 2.1.3 属性约简与核属性 | 第16-18页 |
| 2.1.4 多约简 | 第18-19页 |
| 2.2 MapReduce并行编程模型基本知识 | 第19-24页 |
| 2.2.1 MapReduce并行编程模型 | 第19-21页 |
| 2.2.2 Hadoop并行框架 | 第21-23页 |
| 2.2.3 集群容错性与分布式文件系统 | 第23-24页 |
| 2.3 并行计算基本知识 | 第24-30页 |
| 2.3.1 集群并行计算 | 第24-25页 |
| 2.3.2 并行计算编程模型 | 第25页 |
| 2.3.3 并行算法的构造原则 | 第25-26页 |
| 2.3.4 并行算法的性能评价 | 第26-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于MapReduce的粗糙集并行属性约简算法 | 第31-47页 |
| 3.1 基于二进制分辨矩阵的属性约简算法 | 第31-35页 |
| 3.1.1 相容决策表与不相容决策表 | 第31页 |
| 3.1.2 二进制分辨矩阵及其生成算法 | 第31-33页 |
| 3.1.3 基于二进制分辨矩阵的属性约简算法 | 第33-34页 |
| 3.1.4 可并行性分析 | 第34-35页 |
| 3.2 简化决策表及其并行生成算法 | 第35-38页 |
| 3.2.1 简化决策表 | 第35页 |
| 3.2.2 划分等价类 | 第35-36页 |
| 3.2.3 基于MapReduce的简化决策表并行生成算法 | 第36-38页 |
| 3.3 二进制分辨矩阵并行生成算法 | 第38-41页 |
| 3.3.1 算法的预加载过程及矩阵行编号 | 第38-40页 |
| 3.3.2 基于MapReduce的二进制分辨矩阵并行生成算法 | 第40-41页 |
| 3.4 并行属性约简算法 | 第41-46页 |
| 3.4.1 并行核属性求解算法 | 第41-42页 |
| 3.4.2 并行属性重要度计算算法 | 第42-43页 |
| 3.4.3 基于MapReduce的并行属性约简算法 | 第43-44页 |
| 3.4.4 基于MapReduce的并行属性多约简算法 | 第44-45页 |
| 3.4.5 实现过程中的问题 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 算法性能实验及分析 | 第47-57页 |
| 4.1 实验设置及实验环境 | 第47-49页 |
| 4.2 算法约简效果实验 | 第49-50页 |
| 4.2.1 实验设置 | 第49页 |
| 4.2.2 实验结果 | 第49-50页 |
| 4.3 算法运行时间实验及分析 | 第50-52页 |
| 4.3.1 小数据集实验 | 第50-51页 |
| 4.3.2 大数据集实验 | 第51-52页 |
| 4.4 算法并行性能实验及分析 | 第52-56页 |
| 4.4.1 并行度 | 第52-54页 |
| 4.4.2 加速比 | 第54-55页 |
| 4.4.3 可扩展性 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 论文总结 | 第57-58页 |
| 5.2 下一步工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
