| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文研究内容及组织结构 | 第9-11页 |
| 1.3.1 研究内容 | 第9-10页 |
| 1.3.2 组织结构 | 第10-11页 |
| 1.4 本章小结 | 第11-13页 |
| 第二章 基本理论与相关技术 | 第13-29页 |
| 2.1 数据挖掘的分类算法 | 第13-15页 |
| 2.1.1 分类算法概要介绍 | 第13页 |
| 2.1.2 分类算法的分类 | 第13-15页 |
| 2.1.3 分类算法的评估 | 第15页 |
| 2.2 支持向量机 | 第15-22页 |
| 2.2.1 线性分类 | 第16-18页 |
| 2.2.2 核函数 | 第18-20页 |
| 2.2.3 SVM 多分类问题 | 第20-22页 |
| 2.3 Hadoop 分布式计算平台 | 第22-27页 |
| 2.3.1 Hadoop 概述 | 第22-23页 |
| 2.3.2 Hadoop 的分布式文件系统 | 第23-25页 |
| 2.3.3 Hadoop 的 MapReduce 编程模型 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于分布式计算的 SVM 算法 | 第29-35页 |
| 3.1 层级式分布式 SVM 算法 | 第29-31页 |
| 3.1.1 算法背景 | 第29页 |
| 3.1.2 算法描述 | 第29-31页 |
| 3.1.3 算法缺陷 | 第31页 |
| 3.2 新型分布式 SVM | 第31-33页 |
| 3.3 本章小结 | 第33-35页 |
| 第四章 基于 Hadoop 的分布式 SVM 实现 | 第35-45页 |
| 4.1 单机 SVM | 第35-37页 |
| 4.2 基于 Hadoop 的 CascadeSVM 的实现 | 第37-41页 |
| 4.3 基于 Hadoop 的新型分布式 SVM 的实现 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 实验设计与结果分析 | 第45-49页 |
| 5.1 实验环境 | 第45-46页 |
| 5.2 实验设计 | 第46页 |
| 5.3 实验结果分析 | 第46-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 本文总结 | 第49-50页 |
| 6.2 工作展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
