基于Hadoop平台的并行LDA学习方法研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-21页 |
| ·研究背景和意义 | 第12-13页 |
| ·研究现状 | 第13-20页 |
| ·离度量学习 | 第13-17页 |
| ·数据挖掘算法的并行化 | 第17-20页 |
| ·本文的主要工作和安排 | 第20-21页 |
| 第二章 Hadoop平台介绍 | 第21-33页 |
| ·Hadoop起源及发展 | 第21-23页 |
| ·数据洪流 | 第21-22页 |
| ·数据存储与分析 | 第22页 |
| ·与其他系统的比较 | 第22-23页 |
| ·Hadoop发展简史 | 第23页 |
| ·MapReduce和HDFS简介 | 第23-28页 |
| ·MapReduce模型介绍 | 第23-24页 |
| ·HDFS简介 | 第24-28页 |
| ·MapReduce应用 | 第28-32页 |
| ·开发环境配置 | 第28-29页 |
| ·MapReduce程序编写 | 第29-31页 |
| ·程序的运行 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 距离度量学习方法LDA的并行化研究 | 第33-45页 |
| ·线性判别式分析(LDA) | 第33-36页 |
| ·经典的线性判别式分析 | 第33-34页 |
| ·规化的线性判别式分析 | 第34页 |
| ·带惩罚的线性判别式分析 | 第34页 |
| ·对角线的线性判别式分析 | 第34-35页 |
| ·不相关的线性判别式分析 | 第35页 |
| ·正交线性判别式分析 | 第35-36页 |
| ·经典LDA算法的并行化 | 第36-41页 |
| ·并行求解训练集中各个类别的平均向量 | 第36-37页 |
| ·并行求解同一类别内的平均协方差矩阵 | 第37-39页 |
| ·求解线性变换矩阵L | 第39-41页 |
| ·实验分析 | 第41-43页 |
| ·实验环境及数据 | 第41页 |
| ·实验数据分析 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 k-近邻分类算法的并行化研究 | 第45-56页 |
| ·KNN分类算法 | 第45-47页 |
| ·KNN分类的研究现状 | 第45-47页 |
| ·KNN分类方法的并行化 | 第47-49页 |
| ·并行化思路 | 第47-49页 |
| ·两种并行化思路的比较 | 第49页 |
| ·实验分析 | 第49-51页 |
| ·实验环境及数据 | 第51页 |
| ·实验数据分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 并行距离度量学习方法及其应用实验 | 第56-64页 |
| ·实验环境与实验数据 | 第57页 |
| ·横向比较 | 第57-58页 |
| ·实验分析并行LDA算法的可行性和有效性 | 第57-58页 |
| ·实验分析并行KNN算法的可行性和有效性 | 第58页 |
| ·纵向比较 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 简历与科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |
