基于粗糙集属性约减算法的Hadoop框架优化
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 粗糙集与属性约简算法发展现状 | 第13-14页 |
| 1.2.2 大数据处理研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 文章结构安排 | 第15-17页 |
| 第2章 粗糙集理论与串行算法实现 | 第17-23页 |
| 2.1 前言 | 第17页 |
| 2.2 粗糙集理论 | 第17-19页 |
| 2.2.1 粗糙集基本概念 | 第17-18页 |
| 2.2.2 覆盖与邻域粗糙集 | 第18-19页 |
| 2.3 属性约简 | 第19页 |
| 2.4 属性约简算法逻辑 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 分布式算法设计与实现 | 第23-36页 |
| 3.1 分布式平台 | 第23-27页 |
| 3.1.1 HDFS分布式文件系统 | 第23-25页 |
| 3.1.2 MapReduce编程模型 | 第25-27页 |
| 3.2 分布式属性约减算法分析与实现 | 第27-32页 |
| 3.2.1 覆盖信息系统 | 第28-29页 |
| 3.2.2 邻域信息系统 | 第29-30页 |
| 3.2.3 区分矩阵 | 第30-32页 |
| 3.3 流程整合 | 第32-34页 |
| 3.4 问题解析 | 第34-35页 |
| 3.5 小结 | 第35-36页 |
| 第4章 Hadoop框架优化 | 第36-49页 |
| 4.1 Hadoop-IO优化 | 第36-39页 |
| 4.1.1 Hadoop-IO机制 | 第36-37页 |
| 4.1.2 Hadoop-IO重定向 | 第37-39页 |
| 4.2 数据中心 | 第39-44页 |
| 4.2.1 数据中心架构 | 第40-44页 |
| 4.2.2 读写分离 | 第44页 |
| 4.3 数据通信 | 第44-48页 |
| 4.3.1 通信模式 | 第44-46页 |
| 4.3.2 数据存储流程 | 第46-47页 |
| 4.3.3 算法复杂度优化分析 | 第47-48页 |
| 4.4 小结 | 第48-49页 |
| 第5章 实验及结果 | 第49-58页 |
| 5.1 环境与配置 | 第49-51页 |
| 5.1.1 软硬件环境 | 第49-50页 |
| 5.1.2 分布式环境配置 | 第50-51页 |
| 5.2 传统及分布式算法实验对比 | 第51-54页 |
| 5.2.1 多元化数据库实验比对 | 第51-53页 |
| 5.2.2 大规模数据库实验比对 | 第53-54页 |
| 5.3 框架优化前后效率比对 | 第54-57页 |
| 5.4 小结 | 第57-58页 |
| 总结 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录A 攻读学位期间所发表的学术论文和参加的项目 | 第63-64页 |
| 致谢 | 第64页 |
