| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 国内外的研究分析 | 第12-14页 |
| 1.2.1 云计算的发展 | 第12-13页 |
| 1.2.2 数据挖掘的发展 | 第13-14页 |
| 1.3 太阳风数据研究意义 | 第14页 |
| 1.4 研究目标与内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 本章小结 | 第16-17页 |
| 第2章 Hadoop分析研究 | 第17-27页 |
| 2.1 分布式文件系统研究 | 第17-20页 |
| 2.2 MapReduce模型研究 | 第20-22页 |
| 2.3 Hadoop集群研究 | 第22-26页 |
| 本章小结 | 第26-27页 |
| 第3章 基于数据挖掘的分类算法研究 | 第27-37页 |
| 3.1 数据挖掘应用分析 | 第27-29页 |
| 3.2 C4.5决策树算法的研究 | 第29-32页 |
| 3.2.1 决策树的特性 | 第29页 |
| 3.2.2 C4.5算法在ID3算法上的改进 | 第29页 |
| 3.2.3 C4.5算法的框架分析 | 第29-31页 |
| 3.2.4 C4.5算法之信息增益率 | 第31-32页 |
| 3.2.5 决策树剪枝 | 第32页 |
| 3.3 朴素贝叶斯算法的研究 | 第32-36页 |
| 3.3.1 朴素贝叶斯概率模型 | 第33-34页 |
| 3.3.2 贝叶斯分类器特点 | 第34页 |
| 3.3.3 参数估计 | 第34-35页 |
| 3.3.4 从概率模型中构造分类器 | 第35-36页 |
| 3.3.5 样本修正 | 第36页 |
| 本章小结 | 第36-37页 |
| 第4章 基于太阳风数据的改进的C4.5算法的并行化 | 第37-50页 |
| 4.1 太阳风大数据分析 | 第37-39页 |
| 4.2 C4.5算法的改进 | 第39-40页 |
| 4.3 C4.5算法分类流程 | 第40-42页 |
| 4.4 改进的C4.5算法的并行化 | 第42-46页 |
| 4.5 实验结果 | 第46-48页 |
| 本章小结 | 第48-50页 |
| 第5章 基于太阳风数据的朴素贝叶斯算法的并行化 | 第50-53页 |
| 5.1 朴素贝叶斯算法分类流程 | 第50页 |
| 5.2 朴素贝叶斯算法的并行化 | 第50-52页 |
| 5.2.1 获取概率信息文件 | 第50-51页 |
| 5.2.2 类别判断 | 第51-52页 |
| 5.3 实验结果 | 第52页 |
| 本章小结 | 第52-53页 |
| 第6章 基于太阳风数据的新型决策树算法的并行化 | 第53-57页 |
| 6.1 新型决策树算法的思想 | 第53页 |
| 6.2 新型决策树算法分类流程 | 第53-55页 |
| 6.3 新型决策树算法的并行化 | 第55页 |
| 6.4 实验结果 | 第55-56页 |
| 本章小结 | 第56-57页 |
| 第7章 算法评估 | 第57-59页 |
| 7.1 算法性能指标 | 第57页 |
| 7.2 算法比较与分析 | 第57-58页 |
| 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 总结 | 第59-60页 |
| 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 攻读学位期间取得学术成果 | 第64页 |