仿真数据并行分布式挖掘算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·课题背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文的主要研究内容 | 第10-12页 |
| 第2章 仿真数据特征分析及挖掘需求分析 | 第12-24页 |
| ·仿真数据挖掘流程 | 第12-14页 |
| ·仿真数据特征分析 | 第14-16页 |
| ·复杂仿真数据特点 | 第15页 |
| ·仿真数据分布式存储特点 | 第15-16页 |
| ·仿真数据关联规则挖掘 | 第16-19页 |
| ·关联规则基本概念 | 第16-18页 |
| ·带时间约束的关联规则挖掘 | 第18-19页 |
| ·仿真数据决策树挖掘 | 第19-23页 |
| ·仿真优化需求 | 第20-21页 |
| ·决策树基本概念 | 第21-22页 |
| ·基于决策树方法的仿真优化 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于向量的改进CD 算法研究 | 第24-41页 |
| ·基于Apriori 算法的并行算法比较 | 第24-27页 |
| ·CD 算法基本流程 | 第24-26页 |
| ·DD 算法基本流程 | 第26-27页 |
| ·向量化改进CD 算法 | 第27-32页 |
| ·输入数据集向量化 | 第27-28页 |
| ·Apriori 算法的向量化操作 | 第28页 |
| ·候选哈希树的Subset 函数操作 | 第28-30页 |
| ·改进算法与基于哈希树的Apriori 算法比较 | 第30-32页 |
| ·实验设计及算法拓展性分析 | 第32-40页 |
| ·并行计算机分类 | 第32-33页 |
| ·并行环境构建 | 第33-34页 |
| ·改进CD 算法拓展性分析 | 第34-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于ID3 算法的分布式决策树算法研究 | 第41-53页 |
| ·分布式分类器学习 | 第41-45页 |
| ·元学习基本概念 | 第41-42页 |
| ·仲裁者策略 | 第42-43页 |
| ·组合者策略 | 第43-45页 |
| ·ID3 算法流程 | 第45-47页 |
| ·基本概念 | 第45-46页 |
| ·ID3 算法 | 第46-47页 |
| ·基于ID3 的同构数据分布式决策树挖掘 | 第47-52页 |
| ·同步树构建方法 | 第47-48页 |
| ·分割树构建方法 | 第48-50页 |
| ·算法实现及仿真测试 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |
