| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第7-11页 |
| 1.1 研究背景与动机 | 第7-8页 |
| 1.2 相关文献的探讨 | 第8-9页 |
| 1.3 研究的目的 | 第9-10页 |
| 1.4 关键问题与技术难点 | 第10页 |
| 1.5 论文架构 | 第10-11页 |
| 第2章 技术介绍 | 第11-20页 |
| 2.1 数据挖掘的基本知识 | 第11-13页 |
| 2.1.1 数据挖掘技术概述 | 第11-12页 |
| 2.1.2 数据挖掘的常用技术 | 第12页 |
| 2.1.3 数据挖掘的处理过程 | 第12-13页 |
| 2.2 Hadoop技术分析 | 第13-16页 |
| 2.2.1 Hadoop概述 | 第13-14页 |
| 2.2.2 Hadoop的体系结构 | 第14-15页 |
| 2.2.3 MapReduce工作原理 | 第15页 |
| 2.2.4 Sqoop | 第15-16页 |
| 2.2.5 小结 | 第16页 |
| 2.3 Fisher最优分割法介绍 | 第16-19页 |
| 2.3.1 最优分割法 | 第16-17页 |
| 2.3.2 Fisher最优分割法 | 第17-19页 |
| 2.4 常用的挖掘工具SPSS Clementine | 第19-20页 |
| 第3章 GPS数据的预处理 | 第20-30页 |
| 3.1 车载GPS数据的预处理方法 | 第20-26页 |
| 3.1.1 GPS数据处理 | 第21页 |
| 3.1.2 数据结构 | 第21-23页 |
| 3.1.3 研究区域范围的界定 | 第23-24页 |
| 3.1.4 研究时间段的划分 | 第24页 |
| 3.1.5 GPS数据表与线路表匹配获取公交车行驶一圈的时间 | 第24-25页 |
| 3.1.6 实例分析 | 第25-26页 |
| 3.1.7 本小节总结 | 第26页 |
| 3.2 数据的处理 | 第26-30页 |
| 3.2.1 数据抽取 | 第26-27页 |
| 3.2.2 数据的清洗 | 第27页 |
| 3.2.3 数据消减 | 第27-29页 |
| 3.2.4 本小节总结 | 第29-30页 |
| 第4章 基于MapReduce的Fisher最优分割算法的实现 | 第30-41页 |
| 4.1 Hadoop的云计算试验平台搭建 | 第30-34页 |
| 4.1.1 开源云平台Hadoop | 第30-31页 |
| 4.1.2 硬件和软件 | 第31-32页 |
| 4.1.3 Hadoop集群搭建 | 第32-34页 |
| 4.1.4 Sqoop安装 | 第34页 |
| 4.2 数据库设计 | 第34-35页 |
| 4.3 Hadoop平台下Fisher算法整体架构 | 第35-37页 |
| 4.3.1 MapReduce设计思路 | 第35-36页 |
| 4.3.2 Fisher算法模块的设计思路 | 第36-37页 |
| 4.4 Hadoop平台上Fisher算法的实现 | 第37-39页 |
| 4.5 实例说明 | 第39-40页 |
| 4.6 本章总结 | 第40-41页 |
| 第5章结论及未来工作 | 第41-42页 |
| 5.1 全文小结 | 第41页 |
| 5.2 工作展望 | 第41-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-45页 |
