| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 Hadoop发展现状 | 第9-10页 |
| 1.2.2 MapReduce发展现状 | 第10-11页 |
| 1.3 本文的主要工作和章节安排 | 第11-13页 |
| 第二章 Hadoop系统平台及相关技术研究 | 第13-22页 |
| 2.1 Hadoop开源平台 | 第13-15页 |
| 2.1.1 Hadoop概述 | 第13-14页 |
| 2.1.2 Hadoop架构体系 | 第14-15页 |
| 2.1.3 Hadoop工作流程 | 第15页 |
| 2.2 MapReduce编程模型 | 第15-21页 |
| 2.2.1 MapReduce概述 | 第16-17页 |
| 2.2.2 MapReduce编程模型 | 第17页 |
| 2.2.3 MapReduce执行流程 | 第17-19页 |
| 2.2.4 MapReduce的性能优化研究 | 第19-21页 |
| 2.3 迭代应用在MapReduce中的实现 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于MapReduce迭代技术的研究与优化 | 第22-35页 |
| 3.1 相关迭代技术框架的研究 | 第22-24页 |
| 3.1.1 Haloop介绍 | 第22-23页 |
| 3.1.2 Twister介绍 | 第23-24页 |
| 3.1.3 存在的问题 | 第24页 |
| 3.2 基于MapReduce模型迭代应用的设计 | 第24-27页 |
| 3.3 影响迭代应用性能的关键因素 | 第27-28页 |
| 3.3.1 传统串行机制及迭代终止条件检测 | 第27-28页 |
| 3.3.2 静态数据与动态数据及存储机制 | 第28页 |
| 3.4 并行机制及迭代终止条件检测优化策略 | 第28-31页 |
| 3.4.1 并行策略描述 | 第29页 |
| 3.4.2 任务分割 | 第29-30页 |
| 3.4.3 优化策略实现及过程分析 | 第30-31页 |
| 3.5 Map端优化机制 | 第31-34页 |
| 3.5.1 Map端优化及策略 | 第32-33页 |
| 3.5.2 优化步骤描述 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 基于MapReduce的SVM分类算法研究 | 第35-43页 |
| 4.1 SVM算法与遗传算法 | 第35-38页 |
| 4.1.1 SVM算法 | 第35-36页 |
| 4.1.2 遗传算法 | 第36-38页 |
| 4.2 传统的基于MapReduce的SVM分类算法 | 第38-39页 |
| 4.2.1 传统分类算法介绍 | 第38页 |
| 4.2.2 基于遗传函数对SVM核函数及参数的选取 | 第38-39页 |
| 4.3 基于MapReduce的并行迭代SVM算法 | 第39-42页 |
| 4.3.1 PISVMAM算法相关定义 | 第39-40页 |
| 4.3.2 PISVMAM算法迭代收敛分析 | 第40-41页 |
| 4.3.3 PISVMAM算法实现过程 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 实验及性能分析 | 第43-50页 |
| 5.1 Hadoop平台设计 | 第43-46页 |
| 5.1.1 实验环境部署 | 第43-45页 |
| 5.1.2 作业程序分析 | 第45-46页 |
| 5.2 迭代优化实验结果与分析 | 第46-48页 |
| 5.2.1 并行优化机制试验与分析 | 第46-47页 |
| 5.2.2 Map端优化机制实验结果与分析 | 第47-48页 |
| 5.3 PISVMAM算法实验结果及分析 | 第48-49页 |
| 5.3.1PISVMAM算法实验数据 | 第48页 |
| 5.3.2 算法实验结果分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第54-55页 |
| 致谢 | 第55页 |
