基于统计学习的数据密集型MapReduce程序执行时间预测方法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 固定程序执行时间的预测 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 相关工作 | 第15-17页 |
| 2.2.1 核函数简介 | 第15-16页 |
| 2.2.2 KCCA简介 | 第16-17页 |
| 2.3 基于KCCA的回归方法 | 第17-21页 |
| 2.4 训练集生成及特征选择与提取 | 第21-26页 |
| 2.4.1 训练集生成 | 第21-24页 |
| 2.4.2 历史信息的提取方法 | 第24页 |
| 2.4.3 特征的选择和提取 | 第24-26页 |
| 2.5 实验过程与结果分析 | 第26-28页 |
| 2.6 结论 | 第28-30页 |
| 第3章 相同算法不同实现的时间预测 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 模型简介 | 第30-31页 |
| 3.2.1 线性回归 | 第30页 |
| 3.2.2 GBDT | 第30-31页 |
| 3.3 数据分析 | 第31-35页 |
| 3.4 模型选择 | 第35-36页 |
| 3.5 基于集成学习的系统构建 | 第36-37页 |
| 3.6 实验过程与结果分析 | 第37-39页 |
| 3.7 结论 | 第39-40页 |
| 第4章 基于归约的复杂程序预测方法 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 理论基础 | 第40页 |
| 4.3 解决方法 | 第40-41页 |
| 4.4 问题分析 | 第41-42页 |
| 4.5 预测模型建立 | 第42-43页 |
| 4.6 实验过程与结果分析 | 第43-46页 |
| 4.7 结论 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55页 |
