基于storm的支持向量机在物流航运指数预测中的原型系统的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究及应用现状 | 第11-12页 |
| ·论文的主要研究内容 | 第12页 |
| ·论文的结构安排 | 第12-14页 |
| 第二章 相关理论及技术 | 第14-23页 |
| ·Storm平台介绍 | 第14-17页 |
| ·Storm的核心技术和基本组成 | 第15-16页 |
| ·Storm的关键特征 | 第16页 |
| ·集群介绍 | 第16-17页 |
| ·数据挖掘概述 | 第17-20页 |
| ·数据挖掘技术 | 第18-19页 |
| ·数据挖掘过程 | 第19-20页 |
| ·国际航运指数概述 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 支持向量机在线学习优化算法研究 | 第23-41页 |
| ·支持向量机理论简述 | 第23-27页 |
| ·支持向量机 | 第23-25页 |
| ·支持向量机回归 | 第25-27页 |
| ·改进的在线支持向量机回归算法 | 第27-38页 |
| ·IOSVR的KKT条件 | 第28-31页 |
| ·IOSVR的算法思想 | 第31-33页 |
| ·IOSVR的参数选择 | 第33-38页 |
| ·算法仿真及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于在线支持向量机的航运指数预测 | 第41-52页 |
| ·BDI的特征变量 | 第41-45页 |
| ·主要特征变量 | 第42-44页 |
| ·潜在特征变量 | 第44-45页 |
| ·BDI预测的建模过程 | 第45-50页 |
| ·数据收集 | 第45-46页 |
| ·数据预处理 | 第46页 |
| ·特征选择 | 第46-49页 |
| ·选取比较模型 | 第49-50页 |
| ·仿真及结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于Storm的支持向量机的设计和实现 | 第52-64页 |
| ·基于Storm的支持向量机算法的并行化 | 第53-57页 |
| ·Storm的并行机制 | 第53-54页 |
| ·基于Storm的IOSVR的设计 | 第54-55页 |
| ·基于Storm的IOSVR的实现 | 第55-57页 |
| ·测试环境的搭建 | 第57-59页 |
| ·硬件环境 | 第58页 |
| ·软件环境 | 第58页 |
| ·集群配置 | 第58-59页 |
| ·测试结果与分析 | 第59-61页 |
| ·预测系统的原型设计及应用 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·论文工作总结 | 第64页 |
| ·未来工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 致谢 | 第71页 |
