| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 粒计算理论介绍 | 第9页 |
| 1.3 邻域粗糙集理论介绍 | 第9-11页 |
| 1.4 论文主要工作 | 第11-12页 |
| 1.5 论文的组织结构和章节 | 第12-14页 |
| 第2章 主动学习的研究现状 | 第14-22页 |
| 2.1 主动学习算法过程 | 第16-17页 |
| 2.2 主动学习算法分类 | 第17页 |
| 2.3 主动学习中样本选择方法概述 | 第17-21页 |
| 2.3.1 基于不确定性的主动学习方法 | 第18-20页 |
| 2.3.2 基于版本空间缩减的样本选择方法 | 第20-21页 |
| 2.3.3 基于误差缩减的样本选择方法 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于邻域粗糙集的主动学习方法研究 | 第22-38页 |
| 3.1 算法描述 | 第22-28页 |
| 3.1.1 确定样本的邻域半径 | 第22-23页 |
| 3.1.2 无标记样本的邻域缩减 | 第23-24页 |
| 3.1.3 计算无标记样本的重要性 | 第24-27页 |
| 3.1.4 基于粗糙集的主动学习方法的具体步骤 | 第27-28页 |
| 3.2 算法实验结果及分析 | 第28-37页 |
| 3.2.1 实验使用的数据集 | 第28-29页 |
| 3.2.2 实验评估指标 | 第29-31页 |
| 3.2.3 实验方法 | 第31页 |
| 3.2.4 实验评估结果 | 第31-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于Spark平台的主动学习样本缩减算法研究 | 第38-51页 |
| 4.1 Spark技术简介 | 第38-43页 |
| 4.1.1 Spark架构 | 第39-41页 |
| 4.1.2 Spark on YARN运行过程 | 第41-43页 |
| 4.2 基于邻域粗糙集的主动学习方法的不足 | 第43-44页 |
| 4.3 基于主动学习的样本缩减算法并行化 | 第44-46页 |
| 4.4 算法实验结果及分析 | 第46-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 总结及展望 | 第51-54页 |
| 5.1 总结 | 第51-52页 |
| 5.2 未来工作 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间从事的科研工作以及取得的研究成果 | 第61页 |