| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 1. 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 云计算的发展 | 第13-15页 |
| 1.2.2 差分进化算法并行研究 | 第15-16页 |
| 1.2.3 极限学习机并行研究 | 第16-18页 |
| 1.2.4 群智能算法优化极限学习机 | 第18-19页 |
| 1.3 本文的主要工作 | 第19-20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 2. 差分进化极限学习机和云计算Hadoop平台 | 第22-45页 |
| 2.1 差分进化极限学习机概述 | 第22-30页 |
| 2.1.1 极限学习机 | 第22-27页 |
| 2.1.2 差分进化算法 | 第27-28页 |
| 2.1.3 差分进化极限学习机 | 第28-30页 |
| 2.2 云计算Hadoop平台概述 | 第30-37页 |
| 2.2.1 HDFS分布式文件系统 | 第31-33页 |
| 2.2.2 MapReduce并行编程框架 | 第33-37页 |
| 2.3 云计算Hadoop平台实验集群开发 | 第37-44页 |
| 2.3.1 Hadoop-2.6.0 完全分布式模式集群部署 | 第38-41页 |
| 2.3.2 配置Hadoop-Eclipse插件开发环境 | 第41-44页 |
| 2.3.3 Hadoop-eclipse插件编译运行实例 | 第44页 |
| 2.4 本章小结 | 第44-45页 |
| 3. 基于Hadoop的差分进化极限学习机分布式算法 | 第45-56页 |
| 3.1 引言 | 第45-46页 |
| 3.2 基于Hadoop的大规模矩阵运算 | 第46-48页 |
| 3.2.1 基于Hadoop的大规模矩阵转置 | 第46页 |
| 3.2.2 基于Hadoop的大规模矩阵乘法 | 第46-48页 |
| 3.3 MR-DE-ELM算法的实现 | 第48-53页 |
| 3.4 实验结果及分析 | 第53-55页 |
| 3.4.1 MR-DE-ELM算法并行性能评价标准 | 第53页 |
| 3.4.2 MR-DE-ELM算法并行性能实验结果与分析 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 4. 改进的差分进化极限学习机分布式算法 | 第56-64页 |
| 4.1 引言 | 第56页 |
| 4.2 MR-DE-ELM算法的改进 | 第56-58页 |
| 4.3 MR-DpsDE-ELM算法的实现 | 第58-61页 |
| 4.4 实验结果及分析 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5. 总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64-65页 |
| 5.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
