| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 引言 | 第13-14页 |
| 1.2 相关研究工作 | 第14-15页 |
| 1.2.1 经典粗糙集属性约简 | 第14页 |
| 1.2.2 并行化的粗糙集属性约简算法 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文章节组织结构 | 第16-17页 |
| 第二章 相关背景知识 | 第17-24页 |
| 2.1 粗糙集理论属性约简 | 第17-19页 |
| 2.1.1 粗糙集理论的特点 | 第17页 |
| 2.1.2 粗糙集理论基本概念 | 第17-19页 |
| 2.2 Hadoop和MapReduce分布式计算框架 | 第19-22页 |
| 2.2.1 云计算和Hadoop的发展起源 | 第19页 |
| 2.2.2 HDFS分布式文件系统 | 第19-20页 |
| 2.2.3 MapReduce分布式计算模型 | 第20-22页 |
| 2.3 典型相关性分析算法的起源 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 CCAFusion：一种基于典型性相关性分析的属性融合方法 | 第24-35页 |
| 3.1 典型性相关性分析算法模型 | 第24-28页 |
| 3.2 CCAFusion：一种基于典型性相关性分析方法的属性融合算法 | 第28-30页 |
| 3.2.1 算法的设计思路 | 第28页 |
| 3.2.2 算法流程框架 | 第28-30页 |
| 3.2.3 算法分析 | 第30页 |
| 3.3 实验结果和分析 | 第30-34页 |
| 3.3.1 数据准备 | 第30页 |
| 3.3.2 实验环境 | 第30页 |
| 3.3.3 实验运行和分析 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 P-RoughReduction：一种基于MapReduce思想的并行粗糙集属性约简算法 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 基于属性重要度的粗糙集属性约简算法的设计和分析 | 第35-38页 |
| 4.2.1 算法思路 | 第35-37页 |
| 4.2.2 算法流程 | 第37-38页 |
| 4.2.3 算法分析 | 第38页 |
| 4.3 算法实验过程 | 第38-40页 |
| 4.3.1 数据准备 | 第38-39页 |
| 4.3.2 实验环境 | 第39页 |
| 4.3.3 实验结果和分析 | 第39-40页 |
| 4.4 MapReduce模型下P-RoughReduction算法的设计和分析 | 第40-43页 |
| 4.4.1 算法思路 | 第40-41页 |
| 4.4.2 算法流程 | 第41-42页 |
| 4.4.3 算法分析 | 第42-43页 |
| 4.5 P-RoughReduction算法实验过程 | 第43-45页 |
| 4.5.1 数据准备 | 第43页 |
| 4.5.2 实验环境 | 第43页 |
| 4.5.3 实验结果和分析 | 第43-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第五章 P-CCARoughReduction：一种结合CCA的并行粗糙集属性约简算法 | 第47-55页 |
| 5.1 数据预处理工作 | 第47页 |
| 5.1.1 数据归一化 | 第47页 |
| 5.1.2 属性融合 | 第47页 |
| 5.2 P-CCARoughReduction：基于典型性相关性分析的并行化粗糙集属性约简算法 | 第47-50页 |
| 5.2.1 算法思路 | 第47-48页 |
| 5.2.2 算法流程 | 第48-49页 |
| 5.2.3 算法分析 | 第49-50页 |
| 5.3 实验过程 | 第50-54页 |
| 5.3.1 数据准备 | 第50页 |
| 5.3.2 实验环境 | 第50页 |
| 5.3.3 实验结果和分析 | 第50-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 面向海量数据的数据挖掘工具箱数据预处理 | 第55-60页 |
| 6.1 并行数据挖掘工具箱Dodo的整体设计 | 第55-58页 |
| 6.1.1 Dodo的设计目的 | 第55页 |
| 6.1.2 Dodo的物理架构 | 第55-56页 |
| 6.1.3 Dodo的模块总体设计 | 第56-58页 |
| 6.2 数据预处理中P-CCARoughReduction算法的运行 | 第58-59页 |
| 6.3 本章小结 | 第59-60页 |
| 第七章 总结和展望 | 第60-62页 |
| 7.1 总结 | 第60-61页 |
| 7.2 展望 | 第61-62页 |
| 简历与科研成果 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
