| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·本文工作及论文结构 | 第9-11页 |
| 2 决策树分类方法 | 第11-22页 |
| ·决策树方法概述 | 第11-14页 |
| ·决策树的生成 | 第12-13页 |
| ·决策树的剪枝 | 第13-14页 |
| ·常见的决策树算法 | 第14-19页 |
| ·ID_3算法 | 第14-15页 |
| ·C_(4.5)算法 | 第15-16页 |
| ·SLIQ 算法 | 第16-17页 |
| ·SPRINT 算法 | 第17-19页 |
| ·决策树算法的并行策略 | 第19-22页 |
| ·数据划分方式 | 第19-20页 |
| ·程序设计模式 | 第20-22页 |
| 3 并行编程模型与决策树分类算法的并行实现 | 第22-32页 |
| ·PVM 并行编程模型 | 第22页 |
| ·MPI 并行编程模型 | 第22-23页 |
| ·OpenMP 并行编程模型 | 第23页 |
| ·基于骨架的并行编程模型 | 第23-24页 |
| ·MapReduce 并行编程模型 | 第24-27页 |
| ·并行决策树设分类算法 | 第27-32页 |
| ·基于PVM 的并行SLIQ 算法 | 第27-29页 |
| ·基于MPI 的并行SPRINT 算法 | 第29-32页 |
| 4 MapReduce 实现架构下的并行决策树算法设计 | 第32-47页 |
| ·Google 的 MapReduce 架构下并行决策树算法的设计 | 第32-37页 |
| ·Google 的MapReduce 架构 | 第32-33页 |
| ·基于 Google 的 MapReduce 架构下的并行 SPRINT 算法设计 | 第33-37页 |
| ·Hadoop 架构下的并行决策树算法的设计 | 第37-41页 |
| ·Apache 的Hadoop 架构 | 第37-38页 |
| ·Hadoop 架构下并行SPRINT 算法的设计 | 第38-41页 |
| ·Phoenix 架构下的并行决策树算法设计 | 第41-46页 |
| ·Phoenix 架构 | 第41-44页 |
| ·Phoenix 架构下并行SPRINT 算法的设计 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 实验分析 | 第47-54页 |
| ·实验环境搭建 | 第47页 |
| ·Phoenix 架构平台上的实现 | 第47-51页 |
| ·主要数据结构 | 第47-48页 |
| ·主要函数实现 | 第48-51页 |
| ·实验评估指标 | 第51-52页 |
| ·实验结果分析 | 第52-54页 |
| 6 总结与展望 | 第54-55页 |
| ·本文总结 | 第54页 |
| ·进一步工作 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 读研期间发表论文 | 第59-60页 |
| 致谢 | 第60页 |
