云环境下基于极限学习机的XML文档分类的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 本文主要工作 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第2章 相关研究工作 | 第13-23页 |
| 2.1 XML文档分类 | 第13-19页 |
| 2.1.1 分类问题综述 | 第13-15页 |
| 2.1.2 传统分类算法综述 | 第15-17页 |
| 2.1.3 XML数据模型 | 第17-19页 |
| 2.2 极限学习机 | 第19-20页 |
| 2.3 云计算技术 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 分布式XML表达模型 | 第23-35页 |
| 3.1 XML表达模型 | 第23-27页 |
| 3.1.1 传统文档模型 | 第23-25页 |
| 3.1.2 XML文档表达模型 | 第25-27页 |
| 3.2 分布式结构链接向量模型 | 第27-33页 |
| 3.2.1 MapReduce计算模型 | 第27-29页 |
| 3.2.2 分布式结构链接向量模型算法 | 第29-33页 |
| 3.3 本章小结 | 第33-35页 |
| 第4章 核函数极限学习机的分布式算法 | 第35-49页 |
| 4.1 核函数极限学习机学习方案 | 第35-39页 |
| 4.1.1 最小二乘支持向量机 | 第35-37页 |
| 4.1.2 极限学习机 | 第37-39页 |
| 4.1.3 核函数极限学习机 | 第39页 |
| 4.2 分布式特性分析 | 第39-41页 |
| 4.3 分布式核函数极限学习机 | 第41-48页 |
| 4.3.1 分布式核函数 | 第43-46页 |
| 4.3.2 分布式矩阵向量乘法 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 实验及结果分析 | 第49-59页 |
| 5.1 实验环境 | 第49-50页 |
| 5.2 实验数据集及方案 | 第50-52页 |
| 5.2.1 实验数据集 | 第50页 |
| 5.2.2 实验方案 | 第50-52页 |
| 5.3 对比实验 | 第52-57页 |
| 5.3.1 MR-SLVM性能分析 | 第52-54页 |
| 5.3.2 DK-ELM算法性能分析 | 第54-56页 |
| 5.3.3 MR-SLVM与SLVM性能对比 | 第56-57页 |
| 5.3.4 DK-ELM与K-ELM性能对比 | 第57页 |
| 5.4 本章小结 | 第57-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间参加的项目和发表的论文 | 第67页 |
