| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 引言 | 第7-16页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-14页 |
| ·相关的研究方向 | 第8-9页 |
| ·分布式同构学习算法 | 第9-11页 |
| ·分布式异构学习算法 | 第11-14页 |
| ·本文的工作和安排 | 第14-16页 |
| 第2章 分布式异构数据主成分分析 | 第16-28页 |
| ·问题陈述 | 第16-18页 |
| ·分布式同构数据主成分分析 | 第18-20页 |
| ·分布式异构数据主成分分析 | 第20-26页 |
| ·实验结果 | 第26-28页 |
| 第3章 分布式数据集上的特征选择 | 第28-42页 |
| ·异构数据的半监督特征选择 | 第28-33页 |
| ·特征间概率依赖关系的图模型表示 | 第29-30页 |
| ·图模型边上的权值 | 第30-32页 |
| ·随机游走模型 | 第32-33页 |
| ·基于分布式Markov Blanket 的特征选择 | 第33-40页 |
| ·互信息和贝叶斯错误率 | 第33-34页 |
| ·局部Markov Blanket 学习 | 第34-35页 |
| ·为全局学习采集样本 | 第35-37页 |
| ·全局Markov Blanket 学习 | 第37-39页 |
| ·特征选择方法 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| 第4章 面向分布式异构数据的混合模型参数估计 | 第42-64页 |
| ·分布式异构数据聚类和容错计算 | 第42-56页 |
| ·GMM 与分布式EM 算法 | 第43-44页 |
| ·DEM 算法框架及其收敛性 | 第44-45页 |
| ·容错分布式 EM 算法 | 第45-46页 |
| ·基于FEM 算法的参数更新 | 第46-49页 |
| ·参数U 的近似更新方法 | 第49-52页 |
| ·分布式 FEM 算法的传输负荷 | 第52-53页 |
| ·实验结果 | 第53-56页 |
| ·异构元数据分析 | 第56-64页 |
| ·元数据统计方法 | 第58页 |
| ·混合随机效应模型中的参数更新 | 第58-60页 |
| ·在医学数据挖掘中的应用 | 第60-64页 |
| 第5章 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 个人简历 在学期间发表的学术论文与研究成果 | 第72页 |