| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 交通状态判别方法研究 | 第13-14页 |
| 1.2.2 Hadoop技术研究 | 第14-15页 |
| 1.2.3 研究现状综述 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 技术路线和章节安排 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 相关基础理论研究 | 第19-32页 |
| 2.1 引言 | 第19页 |
| 2.2 交通大数据分析研究 | 第19-23页 |
| 2.2.1 大数据定义 | 第19-20页 |
| 2.2.2 交通大数据 | 第20-21页 |
| 2.2.3 数据获取技术 | 第21-22页 |
| 2.2.4 数据预处理技术 | 第22-23页 |
| 2.3 数据挖掘技术研究 | 第23-25页 |
| 2.3.1 数据挖掘定义 | 第23-24页 |
| 2.3.2 数据挖掘方法 | 第24-25页 |
| 2.4 Hadoop平台研究 | 第25-31页 |
| 2.4.1 Hadoop平台简介 | 第25页 |
| 2.4.2 分布式文件系统HDFS | 第25-26页 |
| 2.4.3 分布式计算框架Map Reduce | 第26-29页 |
| 2.4.4 新一代分布式计算框架YARN | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 Hadoop环境下基于改进FCM算法的交通数据聚类分析研究 | 第32-60页 |
| 3.1 引言 | 第32-33页 |
| 3.2 交通状态特征指标体系研究 | 第33-38页 |
| 3.2.1 交通状态的划分标准 | 第33-34页 |
| 3.2.2 特征指标分析研究 | 第34-36页 |
| 3.2.3 特征指标选取原则 | 第36页 |
| 3.2.4 特征指标确定方案 | 第36-38页 |
| 3.3 FCM聚类算法 | 第38-41页 |
| 3.3.1 FCM算法模型 | 第38-39页 |
| 3.3.2 FCM算法流程 | 第39-40页 |
| 3.3.3 算法的参数标定 | 第40-41页 |
| 3.3.4 FCM算法的不足 | 第41页 |
| 3.4 基于K-means和特征加权的改进FCM算法研究 | 第41-48页 |
| 3.4.1 K-means聚类算法 | 第42-44页 |
| 3.4.2 特征加权方法 | 第44-45页 |
| 3.4.3 改进FCM算法模型 | 第45-46页 |
| 3.4.4 基于YARN的改进FCM算法并行化设计 | 第46-48页 |
| 3.5 实验分析 | 第48-59页 |
| 3.5.1 交通数据来源 | 第48-50页 |
| 3.5.2 数据预处理 | 第50页 |
| 3.5.3 实验环境的搭建 | 第50-53页 |
| 3.5.4 算法评价指标 | 第53-54页 |
| 3.5.5 算法参数取值分析 | 第54-56页 |
| 3.5.6 算法评价分析 | 第56-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第四章 Hadoop环境下基于随机森林的交通状态判别方法研究 | 第60-74页 |
| 4.1 引言 | 第60-61页 |
| 4.2 决策树算法 | 第61-63页 |
| 4.2.1 决策树简介 | 第61-62页 |
| 4.2.2 决策树的节点分裂准则 | 第62-63页 |
| 4.2.3 决策树的不足 | 第63页 |
| 4.3 随机森林算法 | 第63-67页 |
| 4.3.1 随机森林简介 | 第63-64页 |
| 4.3.2 随机森林的算法模型 | 第64-65页 |
| 4.3.3 随机森林的性能分析 | 第65-67页 |
| 4.4 基于YARN的随机森林算法并行化设计 | 第67-68页 |
| 4.4.1 随机森林建树并行化设计 | 第67-68页 |
| 4.4.2 随机森林预测并行化设计 | 第68页 |
| 4.5 实验分析 | 第68-72页 |
| 4.5.1 数据预处理 | 第68-69页 |
| 4.5.2 实验环境 | 第69-70页 |
| 4.5.3 算法的准确率对比分析 | 第70-71页 |
| 4.5.4 算法的加速比分析 | 第71-72页 |
| 4.5.5 单机与Hadoop的运行时间对比 | 第72页 |
| 4.6 本章小结 | 第72-74页 |
| 第五章 基于Hadoop的交通状态判别系统设计与应用 | 第74-83页 |
| 5.1 引言 | 第74页 |
| 5.2 交通云平台的设计与实现 | 第74-78页 |
| 5.2.1 框架设计 | 第74-78页 |
| 5.2.2 功能实现 | 第78页 |
| 5.3 基于Hadoop的交通状态判别系统设计 | 第78-79页 |
| 5.4 基于Hadoop的交通状态判别系统应用 | 第79-82页 |
| 5.5 本章小结 | 第82-83页 |
| 结论和展望 | 第83-85页 |
| 工作总结 | 第83-84页 |
| 研究展望 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附件 | 第92页 |
