| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第7-14页 |
| ·背景和研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·论文主要内容 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 云计算平台和涉及分类算法介绍 | 第14-26页 |
| ·简介 | 第14-21页 |
| ·分布式文件系统 | 第15-17页 |
| ·分布式并行计算模型 | 第17-21页 |
| ·涉及分类算法简介 | 第21-25页 |
| ·解决分类问题的一般方法 | 第21-23页 |
| ·最近邻算法 | 第23-24页 |
| ·朴素贝叶斯分类算法 | 第24-25页 |
| ·本章总结 | 第25-26页 |
| 第三章 基于熵的属性离散化算法的并行化设计与实现 | 第26-35页 |
| ·引言 | 第26-27页 |
| ·基于熵的连续属性离散化算法 | 第27-28页 |
| ·基于熵的数据离散化并行化算法 | 第28-32页 |
| ·信息预处理阶段 | 第29-30页 |
| ·离散化阶段 | 第30-32页 |
| ·实验结果分析 | 第32-34页 |
| ·实验环境 | 第32页 |
| ·实验数据 | 第32页 |
| ·实验目的及设计 | 第32-33页 |
| ·实验结果与分析 | 第33-34页 |
| ·本章总结 | 第34-35页 |
| 第四章 基于聚类的K最近邻分类算法的并行化设计与实现 | 第35-49页 |
| ·基于聚类的最近邻分类算法 | 第35-38页 |
| ·基于聚类的最近邻分类算法的基本思想 | 第35-38页 |
| ·基于聚类的K最近邻分类算法的并行化设计与实现 | 第38-45页 |
| ·训练数据集聚类的并行化 | 第38-43页 |
| ·基于聚类的 最近邻分类算法的并行化 | 第43-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·实验环境 | 第45页 |
| ·实验数据 | 第45-46页 |
| ·实验目的及设计 | 第46页 |
| ·实验结果及分析 | 第46-48页 |
| ·本章总结 | 第48-49页 |
| 第五章 并行朴素贝叶斯分类算法的设计与实现 | 第49-57页 |
| ·引言 | 第49页 |
| ·对朴素贝叶斯分类算法的分析 | 第49-50页 |
| ·朴素贝叶斯分类算法的并行化设计与实现 | 第50-53页 |
| ·数据预处理的并行化 | 第50页 |
| ·模型训练阶段 | 第50-52页 |
| ·预测分类的并行化 | 第52-53页 |
| ·实验结果与分析 | 第53-56页 |
| ·实验环境 | 第53-54页 |
| ·实验数据 | 第54页 |
| ·实验目的及设计 | 第54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章总结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-65页 |