Hadoop平台下基于聚类和关联规则算法的工程车辆故障预测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-15页 |
| ·课题背景及意义 | 第9-10页 |
| ·工程车辆故障预测需求 | 第9-10页 |
| ·大数据平台背景及意义 | 第10页 |
| ·国内外现状分析 | 第10-14页 |
| ·故障预测现状 | 第10-11页 |
| ·大数据关键技术现状 | 第11-12页 |
| ·聚类分析研究现状 | 第12-13页 |
| ·关联规则算法的国内外现状 | 第13-14页 |
| ·论文内容安排 | 第14-15页 |
| 第二章 相关技术研究 | 第15-27页 |
| ·Hadoop技术架构 | 第15-20页 |
| ·HDFS | 第16-17页 |
| ·Namenode和Datanode | 第17-18页 |
| ·MapReduce | 第18-20页 |
| ·MapReduce的执行流程 | 第19-20页 |
| ·聚类技术 | 第20-23页 |
| ·距离与相似性的度量 | 第21-22页 |
| ·相异度度量方法 | 第21页 |
| ·相似度系数度量方法 | 第21-22页 |
| ·聚类算法研究 | 第22-23页 |
| ·聚类算法的分类 | 第22-23页 |
| ·kmeans算法 | 第23页 |
| ·关联规则算法 | 第23-26页 |
| ·关联规则基本概念 | 第23页 |
| ·经典Apriori算法的步骤 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 m+kmeans算法 | 第27-39页 |
| ·最大最小值kmeans算法 | 第27页 |
| ·原最大最小值kmeans算法思想 | 第27页 |
| ·改进算法称为m+kmeans算法 | 第27-31页 |
| ·m+kmeans算法的思想介绍 | 第27-29页 |
| ·m+kmeans算法的并行实现 | 第29-31页 |
| ·算法复杂度分析 | 第31-32页 |
| ·改进算法与原算法的对比 | 第32-34页 |
| ·算法的应用 | 第34页 |
| ·关联规则算法并行实现 | 第34-36页 |
| ·关联规则试验检测 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 大数据平台搭建及故障预测的实现 | 第39-49页 |
| ·Hadoop平台搭建 | 第39-43页 |
| ·故障预测的实验 | 第43-44页 |
| ·实验数据来源 | 第43-44页 |
| ·两个算法的结合 | 第44-47页 |
| ·聚类算法结果分析 | 第44-45页 |
| ·关联规则算法结果分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 结论与展望 | 第49-51页 |
| ·论文总结 | 第49页 |
| ·未来的展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文目录 | 第56-57页 |
