| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 机器学习概述 | 第8-10页 |
| 1.2 海量数据的集成学习 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 论文内容安排 | 第13-14页 |
| 第二章 最小最大模块化支持向量机 | 第14-24页 |
| 2.1 SVM 概述 | 第14-17页 |
| 2.2 M3-SVM 网络中的任务分解 | 第17-19页 |
| 2.2.1 K 类问题任务分解 | 第17-18页 |
| 2.2.2 二类子问题的任务分解 | 第18-19页 |
| 2.3 M3-SVM 网络的分类器集成 | 第19-23页 |
| 2.3.1 三种集成单元 | 第20页 |
| 2.3.2 子模块集成规则 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于随机子空间的 M3-SVM 学习方法研究 | 第24-42页 |
| 3.1 随机子空间的相关研究 | 第24-25页 |
| 3.2 特征选择的相关研究 | 第25-27页 |
| 3.3 基于随机子空间的 M3-SVM | 第27-34页 |
| 3.3.1 实现策略 | 第28-32页 |
| 3.3.2 差异性度量方法 | 第32-33页 |
| 3.3.3 随机子空间的差异性分析 | 第33-34页 |
| 3.4 仿真实验 | 第34-41页 |
| 3.4.1 实验说明 | 第34-37页 |
| 3.4.2 实验结果与分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于 MPI 的 M3-SVM 算法模型 | 第42-54页 |
| 4.1 并行计算概述 | 第42-45页 |
| 4.1.1 并行计算机系统 | 第43页 |
| 4.1.2 并行程序设计方法 | 第43-45页 |
| 4.2 MPI 并行编程环境 | 第45-48页 |
| 4.2.1 MPI 基本概念 | 第45-46页 |
| 4.2.2 并行集群 | 第46页 |
| 4.2.3 MPI 并行程序设计 | 第46-48页 |
| 4.3 基于 MPI 的 M3-SVM 算法模型 | 第48-52页 |
| 4.3.1 集群环境搭建 | 第49-50页 |
| 4.3.2 M3-SVM 算法在 MPI 上的实现流程 | 第50-52页 |
| 4.4 仿真实验及结果分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |