| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·分布式支持向量机的研究现状分析 | 第11-12页 |
| ·主要研究内容 | 第12-13页 |
| ·本文组织结构 | 第13页 |
| ·本章小结 | 第13-14页 |
| 2 云计算平台-Hadoop | 第14-18页 |
| ·Hadoop 技术背景 | 第14-15页 |
| ·分布式文件系统-HDFS | 第15-16页 |
| ·Hadoop MapReduce 编程框架 | 第16-17页 |
| ·Hadoop MapReduce 编程框架的原理 | 第16页 |
| ·Hadoop MapReduce 编程框架的执行过程 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 支持向量机（SVM） | 第18-32页 |
| ·SVM 概述 | 第18-23页 |
| ·线性可分 SVM | 第18-20页 |
| ·不完全线性可分 SVM | 第20-21页 |
| ·非线性 SVM | 第21-23页 |
| ·SVM 多分类 | 第23-24页 |
| ·SVM 一对一分类 | 第23-24页 |
| ·SVM 一类对余类分类 | 第24页 |
| ·SVM 处理大规模数据的局限性 | 第24-25页 |
| ·SVM 参数组合优化 | 第25-29页 |
| ·遗传算法基本理论 | 第25-27页 |
| ·使用遗传算法进行 SVM 组合参数优化 | 第27-29页 |
| ·SVM 参数组合优化实验结果分析 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 4 基于 Hadoop 的分布式 SVM | 第32-38页 |
| ·基于 Hadoop 的分布式 SVM 算法描述 | 第32-34页 |
| ·单机 SVM 与分布式 SVM | 第32-33页 |
| ·自定义 MapReduce 过程 | 第33-34页 |
| ·基于 Hadoop 的分布式 SVM 算法的实现 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 5 实验与结果分析 | 第38-50页 |
| ·实验环境搭建 | 第38-43页 |
| ·硬件描述 | 第38页 |
| ·软件描述 | 第38页 |
| ·Hadoop 云平台搭建 | 第38-43页 |
| ·实验结果分析 | 第43-48页 |
| ·实验数据集简介 | 第43页 |
| ·实验 1 | 第43-44页 |
| ·实验 2 | 第44-45页 |
| ·实验 3 | 第45-47页 |
| ·实验 4 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 6 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·进一步的工作展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间参与项目和发表的学术论文 | 第58页 |
