首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于Hadoop的分布式支持向量机的研究与应用

摘要第5-6页
Abstract第6页
第1章 绪论第9-13页
    1.1 研究背景及目的第9-10页
    1.2 国内外研究现状第10-11页
        1.2.1 并行支持向量机研究现状第10-11页
        1.2.2 配网低电压诊断研究现状第11页
    1.3 主要研究内容及意义第11-12页
    1.4 论文组织结构第12-13页
第2章 相关理论与技术概述第13-22页
    2.1 HADOOP第13-19页
        2.1.1 HDFS第14-16页
        2.1.2 MapReduce第16-19页
    2.2 数据挖掘分类算法第19-21页
        2.2.1 分类算法概述第19页
        2.2.2 数据挖掘的主要分类算法第19-20页
        2.2.3 分类算法的评估第20-21页
    2.3 本章总结第21-22页
第3章 支持向量机第22-33页
    3.1 支持向量机概述第22-26页
        3.1.1 线性分类第22-24页
        3.1.2 不完全线性分类第24-25页
        3.1.3 非线性分类第25-26页
    3.2 支持向量机多分类第26-27页
        3.2.1 一对一分类第27页
        3.2.2 一类对余类分类第27页
    3.3 并行支持向量机发展第27-31页
        3.3.1 分组式并行支持向量机(GroupedPSVM)第28页
        3.3.2 级联式并行支持向量机(CascadePSVM)第28-30页
        3.3.3 反馈式并行支持向量机(FeedbackPSVM)第30页
        3.3.4 混合式并行支持向量机(HybridPSVM)第30-31页
    3.4 并行支持向量机比较第31页
    3.5 本章小结第31-33页
第4章 反馈式并行支持向量机的设计与实现第33-48页
    4.1 单机支持向量机第33-35页
    4.2 反馈式并行支持向量机第35-42页
        4.2.1 算法描述第35-39页
        4.2.2 算法实现第39-42页
    4.3 系统实现第42-46页
        4.3.1 功能总体设计第42-43页
        4.3.2 流程设计第43-46页
        4.3.3 界面展示第46页
    4.4 本章小结第46-48页
第5章 反馈式并行支持向量机的应用第48-55页
    5.1 环境搭建第48-49页
        5.1.1 系统环境配置第48页
        5.1.2 Hadoop环境第48-49页
    5.2 实验方案第49-50页
        5.2.1 实验数据第49页
        5.2.2 实验设计第49-50页
    5.3 实验结果第50-52页
    5.4 运行结果界面第52-53页
    5.5 本章小结第53-55页
第6章 总结与展望第55-57页
    6.1 总结第55页
    6.2 未来展望第55-57页
参考文献第57-60页
攻读硕士学位期间发表的论文及其它成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于形状先验的变分稀疏分割模型研究
下一篇:基于多层结构的视频编码研究