| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 云平台下数据挖掘研究现状 | 第11-12页 |
| 1.2.2 天气数据挖掘研究现状 | 第12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 Hadoop云平台相关技术 | 第14-22页 |
| 2.1 Hadoop概述 | 第14-17页 |
| 2.1.1 Hadoop简介 | 第14页 |
| 2.1.2 Hadpood项目结构 | 第14-16页 |
| 2.1.3 Hadoop优点 | 第16-17页 |
| 2.2 HDFS分布式文件系统 | 第17-18页 |
| 2.2.1 HDFS集群结构 | 第17-18页 |
| 2.2.2 HDFS工作流程 | 第18页 |
| 2.3 MapReduce编程模型 | 第18-21页 |
| 2.3.1 MapReduce集群结构 | 第18-19页 |
| 2.3.2 MapReduce作业流程 | 第19-20页 |
| 2.3.3 MapReduce工作机制 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 Hadoop云平台上的数据挖掘 | 第22-31页 |
| 3.1 数据挖掘简介 | 第22-25页 |
| 3.1.1 数据挖掘定义 | 第22页 |
| 3.1.2 数据挖掘过程 | 第22-23页 |
| 3.1.3 数据挖掘方法 | 第23-25页 |
| 3.2 数据挖掘中的分类 | 第25-27页 |
| 3.2.1 分类模型的种类 | 第25-26页 |
| 3.2.2 分类模型的评价标准 | 第26-27页 |
| 3.3 贝叶斯分类 | 第27-29页 |
| 3.3.1 贝叶斯定理 | 第27-28页 |
| 3.3.2 极大后验假设和极大似然假设 | 第28页 |
| 3.3.3 朴素贝叶斯分类模型 | 第28-29页 |
| 3.4 相关系数 | 第29-30页 |
| 3.4.1 相关系数定义 | 第29-30页 |
| 3.4.2 相关系数性质 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于MapReduce的朴素贝叶斯分类器改进实现 | 第31-41页 |
| 4.1 传统算法的不足 | 第31页 |
| 4.2 改进算法的思路 | 第31-32页 |
| 4.3 关键算法 | 第32-40页 |
| 4.3.1 预处理 | 第33-36页 |
| 4.3.2 相关分析 | 第36-37页 |
| 4.3.3 模型训练 | 第37-39页 |
| 4.3.4 精度评估 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 实验与结果 | 第41-48页 |
| 5.1 实验环境 | 第41-43页 |
| 5.1.1 硬件环境 | 第41页 |
| 5.1.2 软件环境 | 第41页 |
| 5.1.3 搭建Hadoop平台 | 第41-43页 |
| 5.2 实验数据 | 第43-44页 |
| 5.3 实验结果与分析 | 第44-47页 |
| 5.3.1 相关分析 | 第44-45页 |
| 5.3.2 模型训练 | 第45页 |
| 5.3.3 精度评估 | 第45-46页 |
| 5.3.4 高效性测试 | 第46-47页 |
| 5.4 本章结论 | 第47-48页 |
| 第六章 总结和展望 | 第48-51页 |
| 6.1 总结 | 第48-49页 |
| 6.2 不足 | 第49-50页 |
| 6.3 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间发表的学术论文目录 | 第55页 |