| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 属性约简算法研究现状 | 第11-12页 |
| 1.2.2 决策树分类算法研究现状 | 第12-15页 |
| 1.3 研究内容及论文组织结构 | 第15-16页 |
| 第2章 粗糙集理论、决策树算法与Hadoop平台介绍 | 第16-31页 |
| 2.1 数据挖掘理论相关介绍 | 第16-19页 |
| 2.1.1 数据挖掘的主要方法 | 第16-17页 |
| 2.1.2 数据挖掘流程 | 第17-19页 |
| 2.2 粗糙集理论 | 第19-23页 |
| 2.2.1 粗糙集的引入 | 第19-20页 |
| 2.2.2 基于粗糙集的属性约简方法 | 第20-23页 |
| 2.3 决策树分类理论 | 第23-28页 |
| 2.3.1 决策树基本概念 | 第23页 |
| 2.3.2 常见决策树分类算法介绍 | 第23-28页 |
| 2.4 Hadoop大数据处理框架 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于粗糙集的属性约简算法 | 第31-46页 |
| 3.1 粗糙集与属性约简 | 第31-32页 |
| 3.2 基于相关属性的属性约简算法 | 第32-39页 |
| 3.2.1 可分辨矩阵 | 第33-34页 |
| 3.2.2 相关属性算法 | 第34-39页 |
| 3.3 实验与分析 | 第39-45页 |
| 3.3.1 实验环境 | 第39-41页 |
| 3.3.2 实验设计 | 第41-42页 |
| 3.3.3 实验结果分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 分布式并行决策树分类算法 | 第46-64页 |
| 4.1 决策树分类算法 | 第46-49页 |
| 4.2 分布式并行模型 | 第49-54页 |
| 4.3 分布式并行决策树挖掘算法 | 第54-60页 |
| 4.4 实验与分析 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 未来展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |