面向工业大数据的事件融合方法研究
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第2章 相关理论介绍 | 第14-24页 |
| 2.1 工业大数据 | 第14-15页 |
| 2.2 事件融合 | 第15-16页 |
| 2.3 事件检测 | 第16-17页 |
| 2.4 事件关联 | 第17-18页 |
| 2.5 复杂事件处理 | 第18-21页 |
| 2.5.1 复杂事件处理介绍 | 第18页 |
| 2.5.2 复杂事件处理引擎产品 | 第18-20页 |
| 2.5.3 复杂事件处理的方式 | 第20-21页 |
| 2.6 Spark | 第21-22页 |
| 2.6.1 Spark简介 | 第21页 |
| 2.6.2 Spark集群 | 第21-22页 |
| 2.7 Hadoop | 第22页 |
| 2.8 本章小结 | 第22-24页 |
| 第3章 基于有向图的事件检测方法研究 | 第24-42页 |
| 3.1 引言 | 第24页 |
| 3.2 工业数据事件分类及描述 | 第24-29页 |
| 3.2.1 工业数据模型 | 第24-25页 |
| 3.2.2 工业事件定义 | 第25-26页 |
| 3.2.3 工业事件分类 | 第26-27页 |
| 3.2.4 工业事件关系 | 第27-28页 |
| 3.2.5 事件处理的功能 | 第28-29页 |
| 3.3 事件检测 | 第29-33页 |
| 3.3.1 事件检测方法 | 第29-30页 |
| 3.3.2 事件关系的符号表示 | 第30页 |
| 3.3.3 事件模型 | 第30-31页 |
| 3.3.4 基于CEP的数据处理方法 | 第31-33页 |
| 3.4 基于有向图的复杂事件检测 | 第33-37页 |
| 3.4.1 有向图简介 | 第33-35页 |
| 3.4.2 复杂事件检测过程 | 第35-37页 |
| 3.5 实验分析 | 第37-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 基于时序的事件关联方法研究 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 相关描述和定义 | 第43-47页 |
| 4.2.1 问题描述 | 第43-44页 |
| 4.2.2 事件冲突相关定义 | 第44-45页 |
| 4.2.3 事件关系的分类 | 第45-46页 |
| 4.2.4 事件关联的基本类型 | 第46-47页 |
| 4.3 事件关联图 | 第47-48页 |
| 4.4 构建事件关联图 | 第48-51页 |
| 4.4.1 事件冲突解决 | 第48-49页 |
| 4.4.2 事件关系建模 | 第49-51页 |
| 4.5 实验分析 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 在学期间主要科研成果 | 第64页 |
| 一、发表学术论文 | 第64页 |
| 二、其它科研成果 | 第64页 |
