基于马尔可夫模型的序列分类研究
| 中文摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-7页 |
| 目录 | 第7-9页 |
| 绪论 | 第9-13页 |
| 第一节 研究背景与研究意义 | 第9-10页 |
| 第二节 研究现状 | 第10-11页 |
| 第三节 研究内容及组织 | 第11-13页 |
| 第一章 事件序列分类及其主要方法 | 第13-19页 |
| 第一节 事件序列分类方法 | 第13-15页 |
| 1.1 基于序列特征提取的分类 | 第14页 |
| 1.2 基于序列距离的分类 | 第14页 |
| 1.3 基于模型的分类 | 第14-15页 |
| 第二节 马尔可夫模型简介 | 第15-16页 |
| 第三节 基于模型的事件序列分类 | 第16-19页 |
| 第二章 加权变阶马尔可夫模型的序列分类 | 第19-29页 |
| 第一节 模型与算法 | 第19-24页 |
| 1.1 加权变阶马尔可夫模型 | 第19-20页 |
| 1.2 加权概率后缀树的剪枝算法 | 第20-22页 |
| 1.3 构建加权概率后缀树的快速算法 | 第22-24页 |
| 第二节 实验与分析 | 第24-28页 |
| 2.1 实验设置 | 第24-25页 |
| 2.2 实验数据 | 第25-26页 |
| 2.3 实验结果与分析 | 第26-28页 |
| 第三节 本章小结 | 第28-29页 |
| 第三章 马尔可夫模型序列分类的自动加权 | 第29-39页 |
| 第一节 模型与算法 | 第29-32页 |
| 1.1 AWMM模型 | 第29-31页 |
| 1.2 AWMM模型的训练算法 | 第31-32页 |
| 1.3 AWMM模型的序列分类 | 第32页 |
| 第二节 实验与分析 | 第32-37页 |
| 2.1 实验设置 | 第32-33页 |
| 2.2 实验数据 | 第33页 |
| 2.3 实验结果与分析 | 第33-37页 |
| 第三节 本章小结 | 第37-39页 |
| 第四章 马尔可夫模型与Hadoop分布式计算 | 第39-51页 |
| 第一节 Hadoop技术架构 | 第39-45页 |
| 1.1 Hadoop生态系统 | 第40-42页 |
| 1.2 Hadoop的体系结构 | 第42-44页 |
| 1.3 Hadoop与分布式开发 | 第44-45页 |
| 第二节 变阶马尔可夫模型的分布式训练 | 第45-47页 |
| 2.1 HDFS存储数据集 | 第45页 |
| 2.2 MapReduce统计子序列频率 | 第45-47页 |
| 2.3 汇总频率统计结果并构建序列模型 | 第47页 |
| 第三节 实验与分析 | 第47-49页 |
| 3.1 实验设置 | 第47-48页 |
| 3.2 实验数据 | 第48页 |
| 3.3 实验结果与分析 | 第48-49页 |
| 第四节 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 第一节 总结 | 第51-52页 |
| 第二节 展望 | 第52-53页 |
| 参考文献 | 第53-61页 |
| 攻读学位期间承担的科研任务与主要成果 | 第61-63页 |
| 致谢 | 第63-65页 |
| 个人简历 | 第65-67页 |
