| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的背景 | 第10-12页 |
| ·凸优化简介 | 第10-11页 |
| ·大规模机器学习 | 第11-12页 |
| ·课题研究的意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·机器学习中的凸优化 | 第13-14页 |
| ·机器学习中的并行化 | 第14-15页 |
| ·课题研究的内容 | 第15-16页 |
| ·章节安排 | 第16-17页 |
| 第2章 凸优化理论知识 | 第17-24页 |
| ·凸优化的定义 | 第17-18页 |
| ·凸集和凸函数 | 第17页 |
| ·凸优化的定义 | 第17-18页 |
| ·使用导数的最优化方法 | 第18-19页 |
| ·最速下降法 | 第18-19页 |
| ·牛顿法 | 第19页 |
| ·对偶理论 | 第19-23页 |
| ·Lagrange对偶 | 第19-20页 |
| ·对偶定理 | 第20页 |
| ·Fenchel对偶理论 | 第20-23页 |
| ·小结 | 第23-24页 |
| 第3章 基于Fenchel对偶的核logistic回归并行算法 | 第24-38页 |
| ·前言 | 第24页 |
| ·核Logistic回归的定义 | 第24-26页 |
| ·线性核的logistic回归 | 第24-25页 |
| ·核函数及非线性核的logistic回归 | 第25-26页 |
| ·分解模型 | 第26-27页 |
| ·基于Fenchel对偶的核logistic回归并行算法 | 第27-37页 |
| ·问题的引入 | 第27页 |
| ·线性核的KLR问题并行算法 | 第27-31页 |
| ·非线性核的KLR问题并行算法 | 第31-35页 |
| ·子问题P_j~*(d)的求解 | 第35-36页 |
| ·对于t的求解 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第4章 实验与结果分析 | 第38-52页 |
| ·软件设计 | 第38-45页 |
| ·类的设计 | 第38-39页 |
| ·主程序的设计 | 第39-42页 |
| ·软件核心技术 | 第42-44页 |
| ·makefile文件 | 第44-45页 |
| ·软件调试 | 第45-46页 |
| ·内存调试 | 第45-46页 |
| ·编译连接调试 | 第46页 |
| ·实验部署 | 第46-48页 |
| ·实验数据及分析 | 第48-50页 |
| ·小结 | 第50-52页 |
| 第5章 基于割平面法的大间隔最近邻分类器 | 第52-58页 |
| ·引言 | 第52页 |
| ·基于割平面法的大间隔最近邻分类器 | 第52-54页 |
| ·实验 | 第54-57页 |
| ·实验设置 | 第55页 |
| ·参数设置 | 第55页 |
| ·实验结果 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第6章 总结和展望 | 第58-60页 |
| ·工作总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间所发表的论文 | 第65页 |