车联网海量数据分析方法的研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10页 |
| 1.3 课题主要研究内容 | 第10-11页 |
| 1.4 论文结构安排 | 第11-13页 |
| 第二章 车联网相关基础知识 | 第13-23页 |
| 2.1 车联网的基本架构 | 第13-17页 |
| 2.1.1 车联网的体系架构 | 第13-15页 |
| 2.1.2 车联网的通信架构 | 第15-17页 |
| 2.2 车联网网络特点 | 第17页 |
| 2.3 车联网数据 | 第17-22页 |
| 2.3.1 车联网交通数据采集技术 | 第17-20页 |
| 2.3.2 车联网的数据特性 | 第20-21页 |
| 2.3.3 车联网数据质量问题 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 Android智能交通数据采集软件 | 第23-38页 |
| 3.1 Android系统与平台搭建 | 第23-26页 |
| 3.1.1 Android系统框架 | 第23-25页 |
| 3.1.2 Android平台搭建 | 第25-26页 |
| 3.2 整体框架流程 | 第26-29页 |
| 3.3 具体功能模块实现 | 第29-35页 |
| 3.3.1 传感器模块 | 第29-31页 |
| 3.3.2 百度地图模块 | 第31-33页 |
| 3.3.3 网络通信模块 | 第33-35页 |
| 3.4 软件运行结果 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 车联网异常数据的检测 | 第38-55页 |
| 4.1 传统的异常数据检测算法 | 第38-44页 |
| 4.1.1 格拉布斯准则 | 第38-39页 |
| 4.1.2 肖维勒准则 | 第39-41页 |
| 4.1.3 拉依达准则 | 第41-42页 |
| 4.1.4 狄克逊准则 | 第42页 |
| 4.1.5 四种算法的比较分析 | 第42-44页 |
| 4.2 非参数估计 | 第44-48页 |
| 4.2.1 直方图法 | 第44-47页 |
| 4.2.2 核密度估计法 | 第47-48页 |
| 4.3 核函数与窗宽的选取 | 第48-51页 |
| 4.3.1 核函数的选取 | 第48-49页 |
| 4.3.2 最优窗宽的选取 | 第49-51页 |
| 4.4 核密度估计算法仿真及改进 | 第51-53页 |
| 4.4.1 核密度估计算法仿真 | 第52页 |
| 4.4.2 算法的改进 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 基于核密度估计的异常数据检测 | 第55-65页 |
| 5.1 基于核密度估计的异常数据检测算法 | 第55-61页 |
| 5.1.1 数据粗检测 | 第55-60页 |
| 5.1.2 数据细检测 | 第60-61页 |
| 5.2 算法的仿真与分析 | 第61-64页 |
| 5.2.1 算法检测率对比结果 | 第63页 |
| 5.2.2 算法误检率对比结果 | 第63-64页 |
| 5.3 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第71页 |
