| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-16页 |
| 1.1 研究背景 | 第12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 研究现状 | 第13-14页 |
| 1.3.1 动车组大数据清洗研究现状 | 第13页 |
| 1.3.2 数据清洗研究现状 | 第13-14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 数据清洗基础理论和关键技术 | 第16-34页 |
| 2.1 数据清洗 | 第16-18页 |
| 2.1.1 数据质量及数据清洗 | 第16-17页 |
| 2.1.2 数据清洗过程 | 第17-18页 |
| 2.1.3 数据问题分类 | 第18页 |
| 2.2 缺失值清洗 | 第18-20页 |
| 2.2.1 采用统计方法清洗缺失值 | 第19页 |
| 2.2.2 采用分类方法清洗缺失值 | 第19-20页 |
| 2.2.3 采用关联规则方法清洗缺失值 | 第20页 |
| 2.3 相似重复记录清洗 | 第20-23页 |
| 2.3.1 字段相似检测算法 | 第20-22页 |
| 2.3.2 相似重复记录检测算法 | 第22-23页 |
| 2.4 离群点清洗 | 第23-29页 |
| 2.4.1 基于统计的离群点检测方法 | 第24-25页 |
| 2.4.2 基于距离的离群点检测方法 | 第25页 |
| 2.4.3 基于密度的离群点检测方法 | 第25-26页 |
| 2.4.4 基于聚类的离群点检测方法 | 第26-29页 |
| 2.5 Hadoop平台介绍 | 第29-33页 |
| 2.5.1 HDFS架构介绍 | 第30-31页 |
| 2.5.2 MapReduce | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 动车组数据分析 | 第34-44页 |
| 3.1 动车组数据介绍 | 第35-38页 |
| 3.1.1 数据分类 | 第35-38页 |
| 3.1.2 数据输出 | 第38页 |
| 3.2 动车组数据质量分析 | 第38-41页 |
| 3.2.1 动车组数据问题 | 第39-40页 |
| 3.2.2 动车组数据问题原因分析 | 第40-41页 |
| 3.3 动车组数据特点 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 4 基于Hadoop的分布式动车组大数据离群点清洗方案 | 第44-50页 |
| 4.1 典型数据清洗方案 | 第44页 |
| 4.2 基于Hadoop的分布式数据清洗方案的分析和设计 | 第44-48页 |
| 4.2.1 需求分析 | 第44-45页 |
| 4.2.2 基本设计思想 | 第45页 |
| 4.2.3 设计方案 | 第45-48页 |
| 4.3 本章小结 | 第48-50页 |
| 5 基于网格的LOF离群点检测算法研究 | 第50-64页 |
| 5.1 基于网格的LOF离群点检测算法思想 | 第50-56页 |
| 5.1.1 网格剪枝 | 第51-53页 |
| 5.1.2 LOF算法介绍 | 第53-56页 |
| 5.2 基于网格的LOF算法的改进 | 第56-59页 |
| 5.3 基于网格的LOF算法的并行化实现 | 第59-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 实验及结果分析 | 第64-74页 |
| 6.1 实验平台选择与配置 | 第64-68页 |
| 6.1.1 硬件环境 | 第64页 |
| 6.1.2 软件描述 | 第64-65页 |
| 6.1.3 Hadoop平台的安装部署 | 第65-68页 |
| 6.2 实验验证 | 第68-72页 |
| 6.3 本章小结 | 第72-74页 |
| 7 结论 | 第74-76页 |
| 7.1 工作总结 | 第74页 |
| 7.2 工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 作者简历 | 第80-84页 |
| 学位论文数据集 | 第84页 |