| 摘要 | 第1-6页 |
| abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| ·本文的结构安排 | 第12-13页 |
| 第2章 基础知识 | 第13-23页 |
| ·有序决策树算法 | 第13-17页 |
| ·单调分类相关概念 | 第13-14页 |
| ·香农熵及有序信息熵 | 第14-16页 |
| ·基于有序互信息的建树过程 | 第16-17页 |
| ·随机森林算法基础理论 | 第17-19页 |
| ·定义 | 第17页 |
| ·随机性原理 | 第17页 |
| ·随机森林的构建 | 第17-18页 |
| ·随机森林的预测 | 第18页 |
| ·Mahout源码库中随机森林代码过程 | 第18-19页 |
| ·Hadoop技术架构概述 | 第19-22页 |
| ·Hadoop简介 | 第19页 |
| ·Hadoop的基础架构 | 第19页 |
| ·HDFS文件系统 | 第19-20页 |
| ·编程模式MapReduce | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 有序决策树并行设计及MapReduce框架下的应用 | 第23-34页 |
| ·算法描述 | 第23-28页 |
| ·数据准备阶段 | 第23-26页 |
| ·属性选择阶段 | 第26-28页 |
| ·实验 1--集群对算法的影响 | 第28-32页 |
| ·实验环境 | 第28-29页 |
| ·实验数据 | 第29页 |
| ·评价标准 | 第29-30页 |
| ·实验结果分析 | 第30-32页 |
| ·实验 2--Map、Reduce数对结果影响 | 第32-33页 |
| ·实验环境 | 第32页 |
| ·实验结果 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 有序随机森林并行设计及MapReduce下的应用 | 第34-41页 |
| ·有序随机抽样 | 第34-36页 |
| ·变一致性优势关系粗糙集方法 | 第34-35页 |
| ·有序随机抽样算法描述 | 第35-36页 |
| ·有序决策森林的并行化 | 第36-39页 |
| ·数据准备 | 第36页 |
| ·有序随机抽样及建树 | 第36-38页 |
| ·投票选择并行化 | 第38-39页 |
| ·实验设计及结果分析 | 第39-40页 |
| ·准确率 | 第39页 |
| ·计算效率 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 总结与展望 | 第41-42页 |
| ·总结 | 第41页 |
| ·展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45-46页 |
| 攻读硕士学位期间取得的学术和科研成果 | 第46页 |