基于海量数据的文本分类算法的MapReduce实现研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-27页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 传统分类算法的国内外研究现状与总结 | 第10-12页 |
| 1.2.2 云平台上算法的国内外研究现状与总结 | 第12-13页 |
| 1.3 关键技术研究 | 第13-25页 |
| 1.3.1 分类算法 | 第13-17页 |
| 1.3.2 Hadoop平台 | 第17-22页 |
| 1.3.3 服务器虚拟化 | 第22-25页 |
| 1.4 研究目标及内容 | 第25-26页 |
| 1.5 论文组织结构 | 第26-27页 |
| 第2章 MapReduce程序 | 第27-34页 |
| 2.1 MapReduce综述 | 第27-30页 |
| 2.1.1 MapReduce思想 | 第27-28页 |
| 2.1.2 MapReduce实现机制 | 第28页 |
| 2.1.3 Shuffle过程 | 第28-29页 |
| 2.1.4 MapReduce实现流程 | 第29-30页 |
| 2.2 MapReduce应用案例 | 第30-33页 |
| 2.2.1 程序运行环境 | 第30页 |
| 2.2.2 程序运行过程 | 第30-32页 |
| 2.2.3 程序运行结果 | 第32-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 贝叶斯算法的MapReduce实现研究 | 第34-45页 |
| 3.1 贝叶斯算法 | 第34-38页 |
| 3.1.1 贝叶斯算法概述 | 第34页 |
| 3.1.2 贝叶斯定理 | 第34-36页 |
| 3.1.3 贝叶斯应用案例 | 第36-37页 |
| 3.1.4 贝叶斯算法的类别 | 第37-38页 |
| 3.2 朴素贝叶斯算法的基本步骤 | 第38-40页 |
| 3.3 朴素贝叶斯算法的MapReduce化 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 实验验证 | 第45-60页 |
| 4.1 实验平台硬件环境部署 | 第45-48页 |
| 4.1.1 硬件和软件工具 | 第45页 |
| 4.1.2 硬件平台搭建过程 | 第45-47页 |
| 4.1.3 Xen的配置和启动 | 第47-48页 |
| 4.2 实验平台软件环境部署 | 第48-53页 |
| 4.2.1 Hadoop集群搭建 | 第48-51页 |
| 4.2.2 Starfish介绍和安装 | 第51页 |
| 4.2.3 Weka介绍和安装 | 第51-52页 |
| 4.2.4 Hadoop集群启动 | 第52-53页 |
| 4.3 实验设计与结果分析 | 第53-58页 |
| 4.3.1 单机与Hadoop集群实验对比 | 第53-54页 |
| 4.3.2 Hadoop集群的加速比验证实验 | 第54-55页 |
| 4.3.3 延迟时间对作业执行时间影响 | 第55-56页 |
| 4.3.4 备份个数对作业的性能影响 | 第56-57页 |
| 4.3.5 内存缓冲区大小对作业的性能影响 | 第57-58页 |
| 4.3.6 单点故障对作业的性能影响 | 第58页 |
| 4.4 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-68页 |
| 致谢 | 第68页 |
