首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向大数据的主动学习数据分类算法的研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 研究背景第10页
    1.2 研究目的和意义第10-11页
    1.3 国内外研究现状第11-13页
    1.4 论文章节安排第13-16页
第2章 相关技术第16-26页
    2.1 主动学习第16-17页
        2.1.1 学习引擎第16页
        2.1.2 选择引擎第16-17页
    2.2 数据分类算法第17-22页
        2.2.1 SVM算法第17-18页
        2.2.2 线性可分第18-19页
        2.2.3 线性不可分第19-20页
        2.2.4 SVM多分类算法第20页
        2.2.5 KNN算法第20-22页
    2.3 Hadoop分布式平台第22-26页
        2.3.1 Hadoop平台概述第22-23页
        2.3.2 Hadoop分布式文件系统第23-24页
        2.3.3 MapReduce编程模型第24-26页
第3章 基于主动学习的分布式SVM算法第26-48页
    3.1 现有主动学习算法的问题第26-28页
    3.2 一种基于主动学习的多分类SVM算法(BC-Multiple-SVM)第28-38页
        3.2.1 基于不确定度批量采样的主动学习算法第28-34页
        3.2.2 基于主动学习的均衡采样SVM算法第34-38页
    3.3 基于MapReduce的BC-Multiple-SVM第38-43页
        3.3.1 基于MapReduce的BC-Multiple-SVM可行性分析及实现第39-41页
        3.3.2 基于MapReduce的BC-Multiple-SVM算法模型介绍第41-43页
    3.4 基于MapReduce的OVO-SVM主动学习算法第43-45页
    3.5 本章小结第45-48页
第4章 基于主动学习的分布式KNN算法第48-62页
    4.1 KNN算法在分类过程中的问题第48-49页
    4.2 一种基于主动学习的KNN算法(Uncertainty-KNN)第49-56页
    4.3 基于MapReduce的主动学习Uncertainty-KNN算法第56-60页
        4.3.1 主动学习Uncertainty-KNN算法分布式可行性分析及实现第56-58页
        4.3.2 基于MapReduce的主动学习Uncertainty-KNN算法模型第58-60页
    4.4 本章小结第60-62页
第5章 算法性能测试第62-70页
    5.1 数据集的预处理第62页
    5.2 算法测试第62-69页
        5.2.1 数据集选取及分布式平台搭建第62-64页
        5.2.2 性能测试第64-69页
    5.3 本章小结第69-70页
第6章 总结与展望第70-72页
    6.1 总结第70-71页
    6.2 展望第71-72页
参考文献第72-76页
致谢第76-78页
攻读硕士学位期间的论文和项目情况第78页

论文共78页,点击 下载论文
上一篇:人事薪资管理系统的设计与实现
下一篇:基于用户情感分析与协同过滤的电影推荐技术的研究与实现