| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 研究依据 | 第10-14页 |
| 1.2 研究现状 | 第14-20页 |
| 1.2.1 基于相同语义的异构大数据融合问题 | 第14-15页 |
| 1.2.2 基于时空轨迹大数据的群体行为模式挖掘问题 | 第15-18页 |
| 1.2.3 基于增量时空轨迹大数据的群体行为模式挖掘问题 | 第18-19页 |
| 1.2.4 研究现状分析 | 第19-20页 |
| 1.3 论文的主要工作 | 第20-21页 |
| 1.4 论文的组织结构 | 第21-24页 |
| 第2章 局域网环境基于相同语义的异构大数据聚类融合方法 | 第24-38页 |
| 2.1 问题描述 | 第24-25页 |
| 2.2 局域网环境异构大数据语义融合 | 第25-28页 |
| 2.2.1 基于蚁群算法的聚类 | 第26页 |
| 2.2.2 PACO并行运算 | 第26-27页 |
| 2.2.3 PACO算法步骤 | 第27-28页 |
| 2.3 实例验证 | 第28-31页 |
| 2.4 实验分析 | 第31-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 广域网环境基于相同语义的异构大数据聚类融合方法 | 第38-52页 |
| 3.1 问题描述 | 第38-40页 |
| 3.2 面向广域网分布式时空轨迹大数据的聚类分析框架 | 第40-41页 |
| 3.3 广域网环境异构大数据语义融合 | 第41-44页 |
| 3.3.1 DPKM算法的Map运算 | 第41-42页 |
| 3.3.2 DPKM算法的Combine运算 | 第42-43页 |
| 3.3.3 DPKM算法的Reduce运算 | 第43页 |
| 3.3.4 DPKM算法描述 | 第43-44页 |
| 3.4 实例验证 | 第44-47页 |
| 3.5 实验分析 | 第47-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 基于时空轨迹大数据的群体行为模式挖掘方法 | 第52-65页 |
| 4.1 问题描述 | 第52-53页 |
| 4.2 广域网环境基于时空轨迹大数据的群体行为模式挖掘 | 第53-57页 |
| 4.2.1 DPACO方法的Map运算 | 第54-55页 |
| 4.2.2 DPACO方法的Combine运算 | 第55-56页 |
| 4.2.3 DPACO方法的Reduce运算 | 第56-57页 |
| 4.2.4 DPACO方法描述 | 第57页 |
| 4.3 实例验证 | 第57-59页 |
| 4.4 实验分析 | 第59-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 基于增量时空轨迹大数据的群体行为模式挖掘方法 | 第65-78页 |
| 5.1 问题描述 | 第65-66页 |
| 5.2 广域网环境基于增量时空轨迹大数据的群体行为模式挖掘方法 | 第66-71页 |
| 5.2.1 DPIACO方法的历史全量阶段聚类运算 | 第68-69页 |
| 5.2.2 DPIACO方法的周期增量阶段聚类运算 | 第69页 |
| 5.2.3 周期增量阶段的Map运算 | 第69-70页 |
| 5.2.4 周期增量阶段的Combine运算 | 第70页 |
| 5.2.5 周期增量阶段的Reduce运算 | 第70页 |
| 5.2.6 周期增量阶段聚类过程描述 | 第70-71页 |
| 5.3 实例验证 | 第71-73页 |
| 5.4 实验分析 | 第73-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第6章 结论和展望 | 第78-82页 |
| 6.1 主要研究成果 | 第78-79页 |
| 6.1.1 动态语义融合问题研究 | 第78页 |
| 6.1.2 群体行为模式挖掘问题研究 | 第78-79页 |
| 6.2 主要研究结论 | 第79页 |
| 6.3 下一步工作展望 | 第79-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 附录A 攻读博士学位期间发表和撰写的学术论文 | 第89-90页 |
| 附录B 攻读博士学位期间参与的科研项目 | 第90-91页 |
| 附录C 攻读博士学位期间所获得的奖励 | 第91页 |
