基于随机森林的文本分类并行化研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要内容和创新点 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第2章 文本分类相关概念与Spark框架 | 第13-24页 |
| 2.1 文本分类技术 | 第13-19页 |
| 2.1.1 文本预处理 | 第13-14页 |
| 2.1.2 文本特征选择 | 第14-16页 |
| 2.1.3 文本特征权重计算 | 第16-17页 |
| 2.1.4 文本分类算法 | 第17-18页 |
| 2.1.5 分类性能评价 | 第18-19页 |
| 2.2 Spark分布式计算框架 | 第19-23页 |
| 2.2.1 Spark概述 | 第19-21页 |
| 2.2.2 Spark RDD | 第21-22页 |
| 2.2.3 Spark架构 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 随机森林算法及其改进 | 第24-31页 |
| 3.1 随机森林算法基本概念 | 第24-27页 |
| 3.1.1 决策树算法 | 第24-26页 |
| 3.1.2 随机森林算法 | 第26-27页 |
| 3.2 基于不平衡数据随机森林算法 | 第27-28页 |
| 3.2.1 不平衡数据介绍 | 第27页 |
| 3.2.2 随机森林算法的改进 | 第27-28页 |
| 3.3 加权随机森林算法的设计 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于Spark文本分类的并行化设计 | 第31-43页 |
| 4.1 文本处理并行设计 | 第32-37页 |
| 4.1.1 文本预处理并行设计 | 第32-33页 |
| 4.1.2 特征选择并行化设计 | 第33-35页 |
| 4.1.3 特征权重计算并行化 | 第35-37页 |
| 4.2 随机森林分类算法并行设计 | 第37-42页 |
| 4.2.1 随机森林训练过程并行设计 | 第37-40页 |
| 4.2.2 随机森林测试过程并行设计 | 第40-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 实验设计与结果分析 | 第43-52页 |
| 5.1 Spark安装和集群部署 | 第43-46页 |
| 5.1.1 搭建Hadoop分布式集群 | 第43-45页 |
| 5.1.2 搭建Spark分布式集群 | 第45-46页 |
| 5.2 分类模型性能评价 | 第46-49页 |
| 5.2.1 不平衡数据分类评价 | 第46-47页 |
| 5.2.2 分类性能评价 | 第47-49页 |
| 5.3 并行化性能评价 | 第49-51页 |
| 5.3.1 运行时间 | 第49-50页 |
| 5.3.2 加速比 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录 攻读硕士学位期间所发表的论文 | 第57页 |
