| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外相关研究及分析 | 第10-19页 |
| 1.2.1 随机森林的研究现状及算法分析 | 第11-18页 |
| 1.2.2 分布式并行化计算模型的研究现状 | 第18-19页 |
| 1.3 课题主要研究内容 | 第19-20页 |
| 1.4 本文的结构安排 | 第20-21页 |
| 第2章 随机森林模型选择方法及 MapReduce 模型 | 第21-30页 |
| 2.1 随机森林模型选择方法 | 第21-25页 |
| 2.1.1 原始的随机森林模型选择 | 第21-22页 |
| 2.1.2 随机选择 | 第22-23页 |
| 2.1.3 正向依次添加 | 第23-24页 |
| 2.1.4 双方互相投票 | 第24-25页 |
| 2.2 MapReduce 模型 | 第25-29页 |
| 2.2.1 MapReduce 框架结构 | 第25-27页 |
| 2.2.2 MapReduce 执行流程 | 第27-28页 |
| 2.2.3 Hadoop 的开源平台 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于马尔科夫链的随机森林动态模型选择方法 | 第30-66页 |
| 3.1 动态懒惰模型选择介绍 | 第30-32页 |
| 3.2 马尔科夫链模型介绍 | 第32-34页 |
| 3.3 DMSMC 算法介绍 | 第34-52页 |
| 3.3.1 三层结构随机游走迭代 | 第36-44页 |
| 3.3.2 分类器个体强度计算 | 第44-46页 |
| 3.3.3 分类器之间的差异性计算 | 第46-48页 |
| 3.3.4 测试样本与训练样本集的相似性计算 | 第48-51页 |
| 3.3.5 加权投票模型选择 | 第51页 |
| 3.3.6 进一步优化方法 | 第51-52页 |
| 3.4 实验与分析 | 第52-65页 |
| 3.4.1 实验数据描述 | 第52-53页 |
| 3.4.2 算法评价指标 | 第53页 |
| 3.4.3 实验结果分析 | 第53-65页 |
| 3.5 本章小结 | 第65-66页 |
| 第4章 基于 MapReduce 的随机森林并行化方法 | 第66-72页 |
| 4.1 并行化改进策略 | 第66-69页 |
| 4.1.1 随机森林建树并行化 | 第66-68页 |
| 4.1.2 随机森林投票并行化 | 第68-69页 |
| 4.2 实验与分析 | 第69-71页 |
| 4.2.1 实验数据描述 | 第69页 |
| 4.2.2 实验环境配置 | 第69页 |
| 4.2.3 算法评价指标 | 第69页 |
| 4.2.4 实验结果分析 | 第69-71页 |
| 4.3 本章小结 | 第71-72页 |
| 第5章 随机森林分类原型系统的设计与实现 | 第72-76页 |
| 5.1 系统目标与功能 | 第72页 |
| 5.2 系统总体设计 | 第72页 |
| 5.3 系统实现的主要模块 | 第72-75页 |
| 5.3.1 数据预处理模块 | 第72-73页 |
| 5.3.2 分类器的构建模块 | 第73页 |
| 5.3.3 模型选择模块 | 第73-74页 |
| 5.3.4 分类预测模块 | 第74页 |
| 5.3.5 并行化处理模块 | 第74-75页 |
| 5.3.6 界面展示模块 | 第75页 |
| 5.4 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-85页 |
| 致谢 | 第85页 |