| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 背景知识及研究意义 | 第9-11页 |
| 1.2 有序分类的研究现状 | 第11-12页 |
| 1.3 有序决策树的发展与研究现状 | 第12-13页 |
| 1.4 本文的主要工作及内容安排 | 第13-15页 |
| 第2章 基础知识 | 第15-22页 |
| 2.1 有序分类问题的描述 | 第15页 |
| 2.2 单调分类 | 第15-16页 |
| 2.3 信息熵 | 第16-22页 |
| 2.3.1 香农信息熵 | 第16-17页 |
| 2.3.2 排序信息熵 | 第17-19页 |
| 2.3.3 排序互信息 | 第19-22页 |
| 第3章 有序决策树算法简介 | 第22-28页 |
| 3.1 有序决策树的适用对象及过程 | 第22-24页 |
| 3.2 基于排序熵的有序决策树简介 | 第24-26页 |
| 3.3 基于排序熵的有序决策树性质 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 改进的基于排序熵的有序决策树算法 | 第28-40页 |
| 4.1 非平衡割点引入分析 | 第28页 |
| 4.2 命题的证明 | 第28-31页 |
| 4.3 引入非平衡割点的有序决策算法的归纳 | 第31-32页 |
| 4.4 实验环境及验证结果 | 第32-35页 |
| 4.4.1 人工单调数据实验 | 第32-34页 |
| 4.4.2 现实数据实验 | 第34-35页 |
| 4.5 实验的有效分析 | 第35-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 有序决策树算法并行化研究 | 第40-46页 |
| 5.1 有序决策树算法的并行策略 | 第40-43页 |
| 5.1.1 并行策略设计 | 第40-42页 |
| 5.1.2 并行策略的分析比较 | 第42-43页 |
| 5.2 有序决策树并行的具体实现 | 第43-44页 |
| 5.2.1 选用 MapReduce 并行模型 | 第43页 |
| 5.2.2 基于 MapReduce 的有序决策树算法流程 | 第43-44页 |
| 5.3 实验对比 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 结论与展望 | 第46-47页 |
| 6.1 结论 | 第46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间取得的科研成果 | 第51页 |