致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 绪论 | 第11-17页 |
1.1 论文研究背景及意义 | 第11-12页 |
1.2 研究现状 | 第12-14页 |
1.2.1 铁路应用大数据研究现状 | 第12-13页 |
1.2.2 数据挖掘并行化研究现状 | 第13-14页 |
1.3 论文研究内容与创新点 | 第14-15页 |
1.4 论文组织结构 | 第15-16页 |
1.5 本章小结 | 第16-17页 |
2 数据挖掘基础理论 | 第17-32页 |
2.1 数据挖掘概述 | 第17-21页 |
2.1.1 数据挖掘简介 | 第17-18页 |
2.1.2 国内外研究现状 | 第18-21页 |
2.1.3 动车组数据研究现状 | 第21页 |
2.2 Hadoop分布式平台介绍 | 第21-26页 |
2.2.1 Hadoop概述 | 第21-23页 |
2.2.2 Hadoop结构模型及角色 | 第23-26页 |
2.3 适用于动车组故障分类预测的基础算法选择 | 第26-30页 |
2.3.1 分类算法简介及原始分类算法的选择 | 第26-30页 |
2.4 本章小结 | 第30-32页 |
3 动车组数据分析 | 第32-38页 |
3.1 动车组信息传输技术介绍 | 第32-34页 |
3.2 动车组数据介绍 | 第34-37页 |
3.3 本章小结 | 第37-38页 |
4 基于C4.5的故障预测算法的改进研究 | 第38-46页 |
4.1 C4.5决策树算法简介 | 第38-40页 |
4.1.1 C4.5算法原理 | 第38-39页 |
4.1.2 C4.5算法缺陷 | 第39-40页 |
4.2 C4.5决策树算法的改进 | 第40-42页 |
4.2.1 Bagging算法简介 | 第40-42页 |
4.2.2 融合Bagging的C4.5决策树算法B-CTree的设计 | 第42页 |
4.3 C4.5决策树算法的并行化改造 | 第42-44页 |
4.3.1 C4.5决策树算法的并行化分析 | 第42-43页 |
4.3.2 基于MapReduce的C4.5算法MR-C4.5设计 | 第43-44页 |
4.4 本章小结 | 第44-46页 |
5 基于Hadoop的动车组故障预测方案 | 第46-51页 |
5.1 典型数据挖掘方案 | 第46页 |
5.2 基于Hadoop的动车组故障预测方案的分析和设计 | 第46-50页 |
5.2.1 需求分析 | 第46-47页 |
5.2.2 基本设计思想 | 第47-48页 |
5.2.3 设计方案 | 第48-50页 |
5.3 本章小结 | 第50-51页 |
6 实验及结果分析 | 第51-62页 |
6.1 实验环境搭建 | 第51-55页 |
6.1.1 硬件环境 | 第51页 |
6.1.2 软件环境 | 第51-52页 |
6.1.3 Hadoop平台的安装与部署 | 第52-55页 |
6.2 实验环境搭建 | 第55-61页 |
6.2.1 数据准备 | 第55-56页 |
6.2.2 数据预处理 | 第56-57页 |
6.2.3 模型训练 | 第57页 |
6.2.4 模型评估 | 第57-61页 |
6.3 本章小结 | 第61-62页 |
7 总结与展望 | 第62-64页 |
7.1 论文工作总结 | 第62页 |
7.2 下一步研究工作 | 第62-64页 |
参考文献 | 第64-67页 |
作者简历 | 第67-69页 |
学位论文数据集 | 第69页 |