| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 课题研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 SVM 的相关应用和原理 | 第12-20页 |
| 2.1 SVM 的最新相关应用 | 第12-13页 |
| 2.2 SVM 原理 | 第13-19页 |
| 2.2.1 逻辑回归和 SVM | 第13-14页 |
| 2.2.2 函数间隔和几何间隔 | 第14-18页 |
| 2.2.3 核函数 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 SVM 的实现及数据分析结果 | 第20-36页 |
| 3.1 SVM 的两种实现方法 | 第20-25页 |
| 3.1.1 坐标上升法 | 第20-21页 |
| 3.1.2 序列最小优化(SMO)算法 | 第21-25页 |
| 3.2 算法实现和程序流程 | 第25-28页 |
| 3.3 在 Matlab 中安装调用程序 | 第28-30页 |
| 3.4 数据分析过程及结果 | 第30-35页 |
| 3.4.1 交叉验证的思想 | 第30-31页 |
| 3.4.2 实验结果分析 | 第31-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 算法在 Spark 分布式平台下的实现及实验结果 | 第36-47页 |
| 4.1 Spark 分布式平台的介绍 | 第36-37页 |
| 4.1.1 Spark 和 Hadoop 的比较 | 第36-37页 |
| 4.1.2 Spark 的容错性 | 第37页 |
| 4.2 Spark 部署和编程环境的搭建 | 第37-39页 |
| 4.2.1 Spark 的安装和部署 | 第37-38页 |
| 4.2.2 Spark 编程环境搭建 | 第38-39页 |
| 4.3 Spark 的工作机制及编程模型 | 第39-42页 |
| 4.3.1 Spark 中的基本概念 | 第39-40页 |
| 4.3.2 Spark 的工作机制和编程模型 | 第40-42页 |
| 4.4 梯度下降法在分布式平台下的优势和实现 | 第42-44页 |
| 4.5 在分布式平台中的程序实现和实验结果 | 第44-46页 |
| 4.5.1 程序的实现和运行状况 | 第44-45页 |
| 4.5.2 实验结果分析 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 总结和展望 | 第47-49页 |
| 5.1 工作总结 | 第47页 |
| 5.2 论文展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 详细摘要 | 第53-55页 |