| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 上位效应 | 第11-16页 |
| 1.2.1 上位效应的定义 | 第11-13页 |
| 1.2.2 上位效应模型 | 第13-16页 |
| 1.3 论文安排 | 第16-18页 |
| 第2章 上位效应检测方法 | 第18-24页 |
| 2.1 上位效应需要解决的问题 | 第18-19页 |
| 2.2 上位效应检测方法的分类 | 第19-22页 |
| 2.2.1 基于模型的分类 | 第19-21页 |
| 2.2.2 基于搜索策略的分类 | 第21-22页 |
| 2.3 本章总结 | 第22-24页 |
| 第3章 算法 ACO_OR_MDR 的设计及其在 HADOOP 云平台上的实现.15 | 第24-40页 |
| 3.1 MDR 方法及其缺点 | 第24-27页 |
| 3.1.1 MDR 方法的基本介绍 | 第24-26页 |
| 3.1.2 MDR 方法的缺点 | 第26-27页 |
| 3.2 基于启发式搜索策略的上位效应检测方法 ACO_OR_MDR 的设计.18 | 第27-33页 |
| 3.2.1 引入比值比 OR 的 OR_MDR | 第27-29页 |
| 3.2.2 引入蚁群优化算法的 ACO_OR_MDR | 第29-33页 |
| 3.3 HADOOP 云平台 | 第33-36页 |
| 3.3.1 Hadoop 云平台的基本介绍 | 第33-34页 |
| 3.3.2 分布式文件系统 HDFS | 第34页 |
| 3.3.3 分布式编程模型 MapReduce | 第34-35页 |
| 3.3.4 Hadoop 集群部署 | 第35-36页 |
| 3.4 基于 HADOOP 云平台的 ACO_OR_MDR 的并行化实现 | 第36-39页 |
| 3.5 本章总结 | 第39-40页 |
| 第4章 实验和分析 | 第40-50页 |
| 4.1 实验数据 | 第40-41页 |
| 4.1.1 模拟数据 | 第40页 |
| 4.1.2 WTCCC 实验数据 | 第40-41页 |
| 4.2 蚁群优化算法经验参数的选取 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-49页 |
| 4.3.1 模拟实验结果及分析 | 第42-45页 |
| 4.3.2 WTCCC 实验结果及分析 | 第45-49页 |
| 4.4 本章总结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54页 |
