| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 云计算技术研究现状 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第2章 相关工作 | 第17-33页 |
| 2.1 共享知识挖掘的基本概念 | 第17-20页 |
| 2.1.1 迁移学习 | 第17-19页 |
| 2.1.2 共享知识挖掘 | 第19-20页 |
| 2.2 决策树挖掘算法 | 第20-21页 |
| 2.3 并行决策树挖掘算法 | 第21-23页 |
| 2.3.1 决策树挖掘算法的并行性 | 第21-22页 |
| 2.3.2 并行决策树挖掘算法 | 第22-23页 |
| 2.4 并行程序开发环境 | 第23-26页 |
| 2.4.1 OpenMP 并行编程模型 | 第23-24页 |
| 2.4.2 消息传递机制 MPI | 第24-26页 |
| 2.4.3 MapReduce 模型 | 第26页 |
| 2.5 HADOOP 并行平台 | 第26-32页 |
| 2.5.1 Hadoop 技术背景 | 第26-27页 |
| 2.5.2 MapReduce 模型 | 第27-28页 |
| 2.5.3 Hadoop 分布式文件系统 | 第28-30页 |
| 2.5.4 任务执行过程中的容错处理 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于 HADOOP 的基本并行共享决策树挖掘算法 | 第33-48页 |
| 3.1 引言 | 第33页 |
| 3.2 串行共享决策树挖掘 | 第33-35页 |
| 3.2.1 共享决策树挖掘的基本概念 | 第33-35页 |
| 3.2.2 串行的共享决策树挖掘算法 (SDT) | 第35页 |
| 3.3 并行共享决策树挖掘算法（ PSDT） | 第35-46页 |
| 3.3.1 并行共享决策树挖掘的相关定义 | 第35-37页 |
| 3.3.2 并行性分析 | 第37-38页 |
| 3.3.3 并行策略 | 第38-40页 |
| 3.3.4 算法设计 | 第40-46页 |
| 3.4 算法分析 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于混合数据结构的并行共享决策树挖掘算法 | 第48-57页 |
| 4.1 前言 | 第48页 |
| 4.2 HADOOP 平台的 I/O 瓶颈 | 第48-49页 |
| 4.3 传统的属性表结构 | 第49-51页 |
| 4.3.1 存储代价 | 第49-50页 |
| 4.3.2 分裂过程 | 第50-51页 |
| 4.4 混合并行共享决策树挖掘算法（ HPSDT） | 第51-55页 |
| 4.4.1 算法思想 | 第51页 |
| 4.4.2 算法设计 | 第51-55页 |
| 4.5 算法分析 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 实验分析 | 第57-65页 |
| 5.1 实验平台搭建 | 第57-60页 |
| 5.1.1 硬件描述 | 第57页 |
| 5.1.2 软件描述 | 第57页 |
| 5.1.3 Hadoop 平台搭建 | 第57-60页 |
| 5.2 实验数据 | 第60页 |
| 5.2.1 实验数据 | 第60页 |
| 5.2.2 数据合成 | 第60页 |
| 5.3 PSDT 算法实验 | 第60-62页 |
| 5.3.1 可扩展性 | 第60-61页 |
| 5.3.2 加速比 | 第61-62页 |
| 5.4 HPSDT 与 PSDT 性能比较 | 第62-63页 |
| 5.5 集群规模实验 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 附录 A （攻读学位期间发表的论文与获得的成果） | 第74页 |