| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 本文研究内容 | 第9-10页 |
| 1.3 论文的组织结构 | 第10-12页 |
| 第2章 文本分类概述 | 第12-25页 |
| 2.0 文本分类简介 | 第12-13页 |
| 2.1 文本的表示 | 第13-14页 |
| 2.2 维数约简 | 第14-19页 |
| 2.2.1 特征选择 | 第14-16页 |
| 2.2.2 特征提取 | 第16-19页 |
| 2.3 文本分类算法 | 第19-22页 |
| 2.3.1 Rocchio 分类器 | 第19页 |
| 2.3.2 K 邻近（KNN）分类器 | 第19-20页 |
| 2.3.3 支持向量机分类器 | 第20-21页 |
| 2.3.4 朴素贝叶斯 | 第21-22页 |
| 2.4 评价体系 | 第22-24页 |
| 2.5 小结 | 第24-25页 |
| 第3章 投影寻踪和粒子群优化算法 | 第25-31页 |
| 3.1 投影寻踪 | 第25-28页 |
| 3.1.1 投影寻踪产生背景及定义 | 第25-26页 |
| 3.1.2 投影寻踪模型 | 第26-27页 |
| 3.1.3 投影寻踪建模步骤 | 第27-28页 |
| 3.2 粒子群优化算法 | 第28-30页 |
| 3.2.1 基本粒子群优化算法(PSO) | 第28-29页 |
| 3.2.2 粒子群优化算法的基本步骤 | 第29-30页 |
| 3.3 小结 | 第30-31页 |
| 第4章 MapReduce 相关技术 | 第31-37页 |
| 4.1 MapReduce 编程模型 | 第31-33页 |
| 4.2 Hadoop 分布式计算平台 | 第33-36页 |
| 4.2.1 Hadoop 概述 | 第33页 |
| 4.2.2 HDFS | 第33-34页 |
| 4.2.3 MapReduce 在 Hadoop 中的执行原理 | 第34-36页 |
| 4.3 小结 | 第36-37页 |
| 第5章 基于 MapReduce 的粒子群投影寻踪模型的设计与实现 | 第37-45页 |
| 5.1 基于粒子群投影寻踪模型 | 第37-39页 |
| 5.1.1 粒子包含信息及符号 | 第37-38页 |
| 5.1.2 基于粒子群投影寻踪模型的设计 | 第38-39页 |
| 5.2 基于 MapReduce 的粒子群的投影寻踪模型 | 第39-42页 |
| 5.2.1 Map 的实现 | 第40-41页 |
| 5.2.2 Reduce 的实现 | 第41-42页 |
| 5.3 投影寻踪后文本的分类 | 第42-44页 |
| 5.3.1 MRKNN(基于 MapReduce 的 KNN 算法)过程及实现步骤 | 第42-44页 |
| 5.4 基于 MapReduce 的粒子群投影寻踪分类模型流程图 | 第44页 |
| 5.5 小结 | 第44-45页 |
| 第6章 实验 | 第45-50页 |
| 6.1 实验环境的搭建 | 第45页 |
| 6.2 数据预处理及粒子信息和参数设置 | 第45-46页 |
| 6.3 评价指标 | 第46页 |
| 6.4 实验比较 | 第46-49页 |
| 6.4.1 投影寻踪实现效率比较 | 第46-48页 |
| 6.4.2 投影后的分类效果验证 | 第48-49页 |
| 6.5 小结 | 第49-50页 |
| 第7章 总结与展望 | 第50-51页 |
| 7.1 本文总结 | 第50页 |
| 7.2 后继工作与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 简历 | 第54-55页 |
| 致谢 | 第55页 |
