| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 主要符号索引 | 第13-15页 |
| 第一章 绪论 | 第15-25页 |
| ·课题背景及选题意义 | 第15-17页 |
| ·国内外相关研究进展 | 第17-21页 |
| ·极限学习机研究现状 | 第17-19页 |
| ·大规模的数据挖掘研究现状 | 第19-21页 |
| ·NO_x排放预测研究现状 | 第21页 |
| ·研究内容与组织结构 | 第21-25页 |
| 第二章 相关技术 | 第25-37页 |
| ·NO_x的生成机理 | 第25-26页 |
| ·热力型NO_x | 第25-26页 |
| ·快速型NO_x | 第26页 |
| ·燃料型NO_x | 第26页 |
| ·极限学习机 | 第26-29页 |
| ·Hadoop大数据技术 | 第29-35页 |
| ·HDFS分布式文件系统 | 第30-33页 |
| ·MapReduce编程框架 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 基于MapReduce的并行化极限学习机 | 第37-49页 |
| ·基于分治策略的极限学习机 | 第37-38页 |
| ·基于MapReduce的并行化ELM算法 | 第38-41页 |
| ·算法分析与设计 | 第38-39页 |
| ·算法实现 | 第39-41页 |
| ·实验分析 | 第41-48页 |
| ·Hadoop平台的总体设计 | 第41-43页 |
| ·实验结果与分析 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于MapReduce的并行化粒子群极限学习机 | 第49-61页 |
| ·粒子群算法 | 第49-51页 |
| ·粒子群算法 | 第49-50页 |
| ·PSO-ELM算法 | 第50-51页 |
| ·基于MapReduce的并行化PSO-ELM算法 | 第51-56页 |
| ·算法分析与设计 | 第51-53页 |
| ·算法实现 | 第53-56页 |
| ·实验结果与分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于并行化极限学习机的NO_x排放预测 | 第61-69页 |
| ·基于MapReduce的并行化NO_x排放模型 | 第61-63页 |
| ·锅炉燃烧设备状况 | 第61-62页 |
| ·输入与输出的设计 | 第62页 |
| ·数据采集及其预处理 | 第62-63页 |
| ·实验分析 | 第63-66页 |
| ·基于PV-ELM的NO_x建模实验 | 第63-65页 |
| ·基于DPSO-ELM的NO_x建模实验 | 第65-66页 |
| ·本章小结 | 第66-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·全文总结 | 第69-70页 |
| ·研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间发表的论文 | 第79页 |