面向警务数据的流聚类算法并行化研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 相关技术概述 | 第15-26页 |
| 2.1 流数据介绍 | 第15-19页 |
| 2.1.1 流数据的特点 | 第15-16页 |
| 2.1.2 流数据挖掘的特点 | 第16-17页 |
| 2.1.3 流数据挖掘相关技术 | 第17-19页 |
| 2.2 流数据聚类算法 | 第19-21页 |
| 2.3 Spark简介 | 第21-25页 |
| 2.3.1 弹性分布式数据集 | 第22-23页 |
| 2.3.2 Spark任务执行原理 | 第23-24页 |
| 2.3.3 SparkStreaming简介 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于局部密度的流聚类算法DCSC | 第26-44页 |
| 3.1 相关概念及定义 | 第26-29页 |
| 3.1.1 距离度量 | 第26-27页 |
| 3.1.2 影响函数与全局密度函数 | 第27-28页 |
| 3.1.3 梯度和引力点 | 第28-29页 |
| 3.1.4 聚类的定义 | 第29页 |
| 3.2 DENCLUE算法简介 | 第29-33页 |
| 3.2.1 算法简介 | 第29-32页 |
| 3.2.2 DENCLUE算法的噪声不变性 | 第32-33页 |
| 3.3 基于局部密度的流聚类算法 | 第33-40页 |
| 3.3.1 衰减超立方体概念的提出 | 第34页 |
| 3.3.2 在线维护阶段策略的设计 | 第34-36页 |
| 3.3.3 离线聚类阶段策略的设计 | 第36-40页 |
| 3.4 实验及结果分析 | 第40-43页 |
| 3.4.1 实验环境和数据 | 第40页 |
| 3.4.2 实验结果与分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 DCSC算法的并行化改进 | 第44-65页 |
| 4.1 PDCSC算法自适应参数选择方法 | 第44-48页 |
| 4.1.1 PDCSC算法参数的讨论 | 第44-45页 |
| 4.1.2 初始数据聚类的确定 | 第45-46页 |
| 4.1.3 PDCSC算法参数的确定 | 第46-48页 |
| 4.1.4 存在的问题 | 第48页 |
| 4.2 PDCSC算法的并行化 | 第48-59页 |
| 4.2.1 并行化可行性分析 | 第48-51页 |
| 4.2.2 并行化算法流程 | 第51-59页 |
| 4.3 实验及结果分析 | 第59-64页 |
| 4.3.1 实验环境和数据 | 第59-60页 |
| 4.3.2 算法参数的自适应选取 | 第60-61页 |
| 4.3.3 实验结果与分析 | 第61-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 目标时空轨迹挖掘系统设计与实现 | 第65-77页 |
| 5.1 系统简介 | 第65-66页 |
| 5.1.1 系统目标 | 第65页 |
| 5.1.2 开发环境 | 第65-66页 |
| 5.2 系统总体设计 | 第66-67页 |
| 5.3 系统模块实现 | 第67-73页 |
| 5.3.1 数据采集模块 | 第67-68页 |
| 5.3.2 轨迹挖掘模块 | 第68-71页 |
| 5.3.3 数据存储模块 | 第71-72页 |
| 5.3.4 信息展示模块 | 第72-73页 |
| 5.4 系统展示 | 第73-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻硕期间取得的研究成果 | 第85页 |
