| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 课题研究现状与存在的问题 | 第10-12页 |
| 1.2.1 研究现状 | 第10-11页 |
| 1.2.2 存在的问题 | 第11-12页 |
| 1.3 本文研究的内容与现实意义 | 第12-13页 |
| 1.4 论文的结构安排 | 第13-15页 |
| 第2章 相关研究工作 | 第15-29页 |
| 2.1 MapReduce并行计算 | 第15-26页 |
| 2.1.1 MapReduce的编程模型 | 第16-20页 |
| 2.1.2 MapReduce的执行流程与数据流 | 第20-23页 |
| 2.1.3 MapReduce的任务配置与使用技巧 | 第23-26页 |
| 2.2 相关研究工作 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 不确定性推理与贝叶斯网络 | 第29-43页 |
| 3.1 不确定性推理技术 | 第29-30页 |
| 3.2 贝叶斯网络推理知识 | 第30-35页 |
| 3.2.1 贝叶斯方法及先验分布 | 第30-31页 |
| 3.2.2 贝叶斯网络 | 第31-32页 |
| 3.2.3 贝叶斯网络模型 | 第32-34页 |
| 3.2.4 贝叶斯网络推理 | 第34-35页 |
| 3.3 联合条件概率分布边缘化的计算 | 第35-42页 |
| 3.3.1 联合条件概率分布 | 第35-36页 |
| 3.3.2 边缘分布 | 第36-37页 |
| 3.3.3 贝叶斯网中的条件独立 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 MPMapReduce基本算法的设计与实现 | 第43-57页 |
| 4.1 问题描述及分析 | 第43-48页 |
| 4.1.1 变量消元算法 | 第43-45页 |
| 4.1.2 VE算法分析 | 第45-47页 |
| 4.1.3 问题的提出及VE算法并行化分析 | 第47-48页 |
| 4.2 MPMapReduce基本算法 | 第48-55页 |
| 4.2.1 MPMapReduce基本算法的设计 | 第48-50页 |
| 4.2.2 MPMapReduce基本算法的改进 | 第50-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第5章 实验及结果分析 | 第57-63页 |
| 5.1 实验环境配置 | 第57-59页 |
| 5.1.1 实验硬件环境 | 第57-58页 |
| 5.1.2 实验软件环境 | 第58-59页 |
| 5.2 性能与结果分析 | 第59-61页 |
| 5.2.1 基本算法的先进性分析 | 第60页 |
| 5.2.2 实验结果性能分析 | 第60-61页 |
| 5.3 本章小结 | 第61-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间发表的论文和参加的项目 | 第71页 |