| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的与意义 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 相关技术与研究 | 第15-29页 |
| 2.1 相关技术 | 第15-19页 |
| 2.1.1 Hadoop与MapReduce | 第15-16页 |
| 2.1.2 Hive | 第16-17页 |
| 2.1.3 Mahout | 第17页 |
| 2.1.4 Mondrian与MDX | 第17-19页 |
| 2.2 相关研究 | 第19-27页 |
| 2.2.1 OLAP与数据挖掘工具 | 第19-21页 |
| 2.2.2 ELM与OS-ELM | 第21-25页 |
| 2.2.3 集成分类 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 基于Hadoop的海洋信息OLAP与数据挖掘系统的设计与实现 | 第29-53页 |
| 3.1 系统概述 | 第29页 |
| 3.2 系统需求分析 | 第29-31页 |
| 3.2.1 系统功能需求分析 | 第29-31页 |
| 3.2.2 系统性能需求分析 | 第31页 |
| 3.3 系统设计与实现 | 第31-45页 |
| 3.3.1 海洋信息OLAP的设计与实现 | 第32-40页 |
| 3.3.2 数据挖掘工具的设计与实现 | 第40-45页 |
| 3.4 系统测试 | 第45-52页 |
| 3.4.1 系统功能测试 | 第46-50页 |
| 3.4.2 系统性能测试 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于随机子空间与MapReduce的OS-ELM集成分类算法 | 第53-77页 |
| 4.1 随机子空间的OS-ELM集成分类算法 | 第53-59页 |
| 4.1.1 问题的提出及算法基本思想 | 第53-55页 |
| 4.1.2 算法设计 | 第55-58页 |
| 4.1.3 算法分析 | 第58-59页 |
| 4.2 基于MapReduce的随机子空间OS-ELM集成分类算法 | 第59-70页 |
| 4.2.1 问题的提出 | 第59页 |
| 4.2.2 算法基本思想 | 第59-61页 |
| 4.2.3 算法设计 | 第61-69页 |
| 4.2.4 算法分析 | 第69-70页 |
| 4.3 实验与性能分析 | 第70-76页 |
| 4.3.1 实验环境配置 | 第70页 |
| 4.3.2 实验数据集 | 第70-71页 |
| 4.3.3 实验结果及分析 | 第71-76页 |
| 4.4 本章小结 | 第76-77页 |
| 第5章 结束语 | 第77-79页 |
| 5.1 内容总结 | 第77-78页 |
| 5.2 未来展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间主要成果 | 第85页 |
