| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景和意义 | 第8-9页 |
| 1.2 国内外相关研究 | 第9-16页 |
| 1.2.1 多类标分类算法研究现状 | 第9-15页 |
| 1.2.2 基于 MapReduce 的机器学习算法研究现状 | 第15-16页 |
| 1.3 课题的主要研究内容 | 第16页 |
| 1.4 本文的结构安排 | 第16-17页 |
| 第2章 多类标聚类树分类基础知识及 MapReduce 概述 | 第17-29页 |
| 2.1 自动分类理论基础 | 第17-19页 |
| 2.1.1 空间向量模型 | 第17-18页 |
| 2.1.2 特征词权重表示 | 第18-19页 |
| 2.2 多类标聚类树分类方法相关理论知识 | 第19-26页 |
| 2.2.1 多类标聚类树分类方法概述 | 第19-20页 |
| 2.2.2 相关理论基础 | 第20-23页 |
| 2.2.3 算法流程 | 第23-26页 |
| 2.3 Hadoop 以及 MapReduce 框架概述 | 第26-28页 |
| 2.3.1 MapReduce 编程模型简述 | 第26页 |
| 2.3.2 Apache Hadoop 开源项目简述 | 第26-27页 |
| 2.3.3 Hadoop 的 MapReduce 系统框架 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 多类标聚类树分类方法优化 | 第29-46页 |
| 3.1 多类标聚类树分类方法的问题分析 | 第29-30页 |
| 3.2 多类标聚类树分类算法的优化策略 | 第30-36页 |
| 3.2.1 基于基分类器优化策略 | 第30-34页 |
| 3.2.2 基于类标间相关性优化策略 | 第34-36页 |
| 3.3 实验与分析 | 第36-45页 |
| 3.3.1 实验数据集 | 第36-37页 |
| 3.3.2 评价指标 | 第37-40页 |
| 3.3.3 实验结果 | 第40-45页 |
| 3.3.4 实验总结 | 第45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 多类标聚类树分类方法并行化设计 | 第46-59页 |
| 4.1 并行多类标聚类树分类方法概述 | 第46页 |
| 4.2 MLCT 训练过程在 MapReduce 上的实现 | 第46-52页 |
| 4.2.1 并行化训练过程总体设计 | 第46-49页 |
| 4.2.2 并行化聚类过程 | 第49-52页 |
| 4.2.3 并行化划分数据集及计算纯度 | 第52页 |
| 4.3 MLCT 分类评价过程在 MapReduce 上的实现 | 第52-54页 |
| 4.3.1 并行化分类评价过程总体设计 | 第52-53页 |
| 4.3.2 并行化分类评价过程实现流程 | 第53-54页 |
| 4.4 实验与分析 | 第54-58页 |
| 4.4.1 实验环境 | 第54页 |
| 4.4.2 MLCT 并行化的加速 | 第54-57页 |
| 4.4.3 实验分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |
