| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 朴素贝叶斯国内外现状 | 第10-13页 |
| 1.2.2 云计算国内外研究现状 | 第13-14页 |
| 1.2.3 HADOOP环境下分类算法研究现状 | 第14-15页 |
| 1.3 论文的主要内容及结构安排 | 第15-17页 |
| 2 数据挖掘主要分类算法 | 第17-22页 |
| 2.1 基于决策树分类 | 第17-18页 |
| 2.2 基于统计学的贝叶斯分类 | 第18-20页 |
| 2.3 基于关联规则的分类方法 | 第20-21页 |
| 2.4 其他主要分类方法 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 一种新的朴素贝叶斯改进方法 | 第22-28页 |
| 3.1 朴素贝叶斯分类模型 | 第22-23页 |
| 3.2 基于爬山法的贝叶斯网络分类模型 | 第23-24页 |
| 3.3 一种新的贝叶斯改进方法 | 第24-25页 |
| 3.3.1 属性间的相关关系 | 第24-25页 |
| 3.3.2 算法设计 | 第25页 |
| 3.4 实验分析 | 第25-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 HADOOP下分布式数据处理平台的搭建 | 第28-34页 |
| 4.1 分布式数据处理平台概述 | 第28-30页 |
| 4.1.1 HDFS分布式文件系统 | 第29页 |
| 4.1.2 MapReduce分布式框架 | 第29-30页 |
| 4.2 HADOOP环境搭建 | 第30-32页 |
| 4.3 基于HADOOP数据处理平台的架构设计 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 5 HADOOP下贝叶斯分类算法设计与实现 | 第34-42页 |
| 5.1 朴素贝叶斯过滤算法 | 第34-35页 |
| 5.2 基于HADOOP分类算法分析与设计 | 第35-37页 |
| 5.3 HADOOP下贝叶斯垃圾邮件过滤 | 第37-38页 |
| 5.4 HADOOP环境下贝叶斯垃圾邮件过滤算法设计与实现 | 第38-40页 |
| 5.5 实验结果与分析 | 第40-41页 |
| 5.6 本章小结 | 第41-42页 |
| 6 总结与展望 | 第42-44页 |
| 6.1 总结 | 第42-43页 |
| 6.2 展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47页 |