海量数据的预处理及其大规模SVM分类算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 论文结构 | 第10-11页 |
| 第二章 分布式处理平台与技术 | 第11-21页 |
| 2.1 分布式计算架构Spark | 第11-15页 |
| 2.1.1 Spark概述 | 第11-12页 |
| 2.1.2 Spark架构 | 第12-13页 |
| 2.1.3 Spark核心概念 | 第13-15页 |
| 2.2 分布式实时计算系统Storm | 第15-19页 |
| 2.2.1 Storm概述 | 第15-16页 |
| 2.2.2 Storm架构 | 第16-17页 |
| 2.2.3 Storm核心概念 | 第17-19页 |
| 2.3 基于分布式计算平台的机器学习工具 | 第19-21页 |
| 第三章 流式计数算法 | 第21-41页 |
| 3.1 问题定义 | 第21-22页 |
| 3.2 常见频繁项算法 | 第22-24页 |
| 3.2.1 Counter-based方法 | 第22页 |
| 3.2.2 Sketch-based方法 | 第22-23页 |
| 3.2.3 Space Saving算法 | 第23-24页 |
| 3.3 Space Saving并行化设计 | 第24-28页 |
| 3.3.1 本地节点 | 第26-27页 |
| 3.3.2 全局节点 | 第27-28页 |
| 3.4 并行算法误差分析 | 第28-31页 |
| 3.5 设计的改进 | 第31-32页 |
| 3.6 并行算法性能测试 | 第32-39页 |
| 3.6.1 数据倾斜度 | 第32-36页 |
| 3.6.2 计数器个数 | 第36-37页 |
| 3.6.3 节点机器个数 | 第37-38页 |
| 3.6.4 发送阈值 | 第38-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第四章 并行非线性支持向量机 | 第41-64页 |
| 4.1 基本原理 | 第41-45页 |
| 4.1.1 线性支持向量机 | 第41-42页 |
| 4.1.2 引入松弛变量的支持向量机 | 第42-43页 |
| 4.1.3 非线性支持向量机 | 第43-45页 |
| 4.2 支持向量机优化问题 | 第45-48页 |
| 4.2.1 有效集法 | 第45-46页 |
| 4.2.2 序列最小优化算法(SMO) | 第46-47页 |
| 4.2.3 内点法(IPM) | 第47-48页 |
| 4.3 primal-dual内点法 | 第48-52页 |
| 4.3.1 优化方向 | 第49-50页 |
| 4.3.2 线性查找 | 第50-51页 |
| 4.3.3 终止条件 | 第51-52页 |
| 4.4 基于Spark的支持向量机实现 | 第52-61页 |
| 4.4.1 系统设计 | 第52-54页 |
| 4.4.2 并行不完全乔利斯基分解实现 | 第54-56页 |
| 4.4.3 程序优化 | 第56-59页 |
| 4.4.4 非线性表达能力 | 第59-60页 |
| 4.4.5 分类准确率 | 第60-61页 |
| 4.5 算法可扩展性测试 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
