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 |