| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文主要工作及组织结构 | 第14-16页 |
| 2 相关理论和技术概述 | 第16-27页 |
| 2.1 贝叶斯方法相关理论 | 第16-19页 |
| 2.1.1 概率论基础 | 第16-17页 |
| 2.1.2 朴素贝叶斯分类器 | 第17-19页 |
| 2.1.3 朴素贝叶斯分类算法的优缺点 | 第19页 |
| 2.2 差分进化算法 | 第19-21页 |
| 2.2.1 种群表示与初始化 | 第20页 |
| 2.2.2 变异操作 | 第20-21页 |
| 2.2.3 交叉操作 | 第21页 |
| 2.2.4 选择操作 | 第21页 |
| 2.3 Hadoop云计算平台和MapReduce编程模型 | 第21-26页 |
| 2.3.1 Hadoop概述 | 第21-22页 |
| 2.3.2 Hadoop分布式文件系统 | 第22-23页 |
| 2.3.3 MapReduce编程框架 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于差分进化的加权朴素贝叶斯分类算法 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 相关工作 | 第27-28页 |
| 3.3 算法原理 | 第28-32页 |
| 3.3.1 数据预处理 | 第29-30页 |
| 3.3.2 训练分类器 | 第30-31页 |
| 3.3.3 权值优化 | 第31-32页 |
| 3.3.4 分类预测 | 第32页 |
| 3.4 算法过程 | 第32-33页 |
| 3.5 实验结果与分析 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 基于云计算的并行高斯分布贝叶斯分类算法研究 | 第36-44页 |
| 4.1 引言 | 第36页 |
| 4.2 相关工作 | 第36-37页 |
| 4.3 基于Hadoop的并行高斯分布朴素贝叶斯分类器设计与实现 | 第37-40页 |
| 4.3.1 数据预处理阶段 | 第38页 |
| 4.3.2 分类模型训练阶段 | 第38-39页 |
| 4.3.3 测试阶段 | 第39-40页 |
| 4.4 实验结果与分析 | 第40-43页 |
| 4.4.1 实验环境 | 第40页 |
| 4.4.2 实验结果 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 结论 | 第44-46页 |
| 1 总结 | 第44页 |
| 2 展望 | 第44-46页 |
| 参考文献 | 第46-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52-53页 |