首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于云计算的数据挖掘算法并行化研究与实现

摘要第4-5页
Abstract第5页
专用术语注释表第8-9页
第一章 绪论第9-14页
    1.1 课题研究背景第9-10页
    1.2 国内外研究现状第10-12页
        1.2.1 云计算平台研究现状第10-11页
        1.2.2 数据挖掘研究现状第11页
        1.2.3 数据挖掘算法并行化研究现状第11-12页
    1.3 本文的研究内容和工作第12-13页
    1.4 论文体系结构第13-14页
第二章 云计算平台与数据挖掘技术概述第14-27页
    2.1 云计算平台综述第14页
    2.2 Hadoop概述第14-19页
        2.2.1 Hadoop平台特点第15页
        2.2.2 HDFS分布式文件系统第15-17页
        2.2.3 YARN分布式资源管理系统概述第17-18页
        2.2.4 YARN分布式资源管理系统工作流程第18页
        2.2.5 YARN多计算框架支持第18-19页
        2.2.6 MapReduce并行计算框架第19页
    2.3 Spark内存计算框架第19-23页
        2.3.1 Spark简介第19-20页
        2.3.2 Spark并行计算架构设计思想第20-21页
        2.3.3 Spark的运行架构第21-22页
        2.3.4 Spark和Hadoop的简单比较第22-23页
    2.4 数据挖掘概述第23-26页
        2.4.1 数据挖掘简介第23页
        2.4.2 数据挖掘的基本步骤第23-24页
        2.4.3 数据挖掘种类第24-25页
        2.4.4 分类算法概述第25-26页
    2.5 本章小结第26-27页
第三章 C4.5决策树算法并行化研究与实现第27-35页
    3.1 决策树算法概述第27-28页
    3.2 C4.5分类算法的基本原理第28-31页
        3.2.1 ID3分类算法的基本原理第28-29页
        3.2.2 C4.5算法的基本原理第29-30页
        3.2.3 C4.5算法的程序设计第30-31页
    3.3 C4.5决策树算法的并行化第31-34页
        3.3.1 C4.5决策树分类算法并行化可行性分析第31页
        3.3.2 基于Hadoop Map Reduce的C4.5并行化算法(C4.5H)设计第31-33页
        3.3.3 基于Spark的C4.5并行化算法(C4.5S)设计第33-34页
    3.4 本章小结第34-35页
第四章 KNN算法的改进及并行化研究第35-48页
    4.1 KNN分类算法第35-37页
        4.1.1 KNN算法概述第35-36页
        4.1.2 KNN算法的程序设计第36-37页
    4.2 KNN算法的改进研究第37-40页
        4.2.1 KNN算法的优缺点分析第37-38页
        4.2.2 KNN算法的现有改进策略第38-39页
        4.2.3 KNN算法的效率改进点第39-40页
    4.3 KNN改进算法的设计与实现第40-44页
        4.3.1 KNN改进算法的设计第40-42页
        4.3.2 KNN改进算法的实现第42-44页
    4.4 KNN改进算法的并行化第44-47页
        4.4.1 KNN改进算法并行化可行性分析第44页
        4.4.2 KNN改进算法的并行化实现第44-47页
    4.5 本章小结第47-48页
第五章 平台搭建和测试分析第48-62页
    5.1 测试平台搭建第48-51页
        5.1.1 测试平台环境说明第48-49页
        5.1.2 Hadoop集群部署第49-51页
        5.1.3 Spark集群部署第51页
    5.2 分类算法评价指标第51-52页
    5.3 C4.5算法并行化测试与结果分析第52-57页
        5.3.1 测试数据集第53页
        5.3.2 算法分类准确度对比测试第53-54页
        5.3.3 算法运行时间对比测试第54-55页
        5.3.4 算法的并行化加速比测试第55-56页
        5.3.5 Map Reduce与Spark性能对比总结第56-57页
    5.4 改进KNN算法并行化测试与结果分析第57-61页
        5.4.1 测试数据集第57页
        5.4.2 算法分类准确度对比测试第57-58页
        5.4.3 算法运行时间对比测试第58-59页
        5.4.4 基于Spark的KNN改进算法并行化测试第59-61页
    5.5 本章小结第61-62页
第六章 总结与展望第62-64页
    6.1 全文工作总结第62-63页
    6.2 未来展望第63-64页
参考文献第64-66页
附录1 攻读硕士学位期间撰写的论文第66-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:基于区块链的投票系统的设计与开发
下一篇:六自由度关节型机器人避障轨迹与姿态规划研究