| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 符号说明 | 第8-9页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和问题提出 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-11页 |
| 1.2.1 概率粗糙集理论的研究现状 | 第10页 |
| 1.2.2 三支决策动态计算的研究现状 | 第10-11页 |
| 1.2.3 Spark流式计算的研究现状 | 第11页 |
| 1.3 本文工作 | 第11-12页 |
| 1.4 本文组织 | 第12-13页 |
| 第2章 相关理论及其概念 | 第13-19页 |
| 2.1 粗糙集理论 | 第13-14页 |
| 2.2 三支决策理论 | 第14-15页 |
| 2.3 流式计算理论 | 第15-16页 |
| 2.4 Spark云平台 | 第16-18页 |
| 2.5 本章总结 | 第18-19页 |
| 第3章 基于时分复用的三支决策动态增减并行计算方法 | 第19-32页 |
| 3.1 动态决策环境下单对象增量与减量更新模型 | 第19-20页 |
| 3.2 三支决策单对象增量学习方法 | 第20-23页 |
| 3.3 三支决策单对象减量学习方法 | 第23-26页 |
| 3.4 三支决策动态增减并行计算算法 | 第26-28页 |
| 3.4.1 三支决策经典计算算法 | 第26-27页 |
| 3.4.2 三支决策动态增减并行计算算法 | 第27-28页 |
| 3.5 基于Spark平台的三支决策动态增减并行计算算法应用实验 | 第28-31页 |
| 3.5.1 实验环境 | 第28页 |
| 3.5.2 实验数据集 | 第28-29页 |
| 3.5.3 实验评估方法 | 第29页 |
| 3.5.4 实验结果与分析 | 第29-31页 |
| 3.6 本章总结 | 第31-32页 |
| 第4章 三支决策动态并行计算方法 | 第32-45页 |
| 4.1 基于内存滑动窗口的单对象动态流数据计算模型 | 第32-33页 |
| 4.2 三支决策动态并行计算方法 | 第33-39页 |
| 4.2.1 三支决策条件概率快速预估方法 | 第33-37页 |
| 4.2.2 三支决策区域快速更新方法 | 第37-39页 |
| 4.3 三支决策动态并行计算算法 | 第39-42页 |
| 4.3.1 三支决策经典计算算法 | 第40页 |
| 4.3.2 三支决策动态并行计算算法 | 第40-42页 |
| 4.4 基于Spark平台的三支决策动态并行计算算法实验应用 | 第42-44页 |
| 4.5 本章总结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 工作总结 | 第45页 |
| 5.2 研究展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 攻读学位期间的研究成果 | 第53页 |
