大规模商贸物流数据分析与处理技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 研究背景与研究意义 | 第14-15页 |
| 1.1.1 课题来源 | 第14页 |
| 1.1.2 研究背景 | 第14页 |
| 1.1.3 研究意义 | 第14-15页 |
| 1.2 物流信息化国内外研究现状 | 第15-17页 |
| 1.2.1 国内物流信息化研究现状 | 第15-16页 |
| 1.2.2 国外物流信息化研究现状 | 第16-17页 |
| 1.3 物流大数据国内外研究现状 | 第17-18页 |
| 1.4 分布式存储系统研究现状 | 第18-23页 |
| 1.4.1 分布式多级混合存储体系与模型 | 第19-22页 |
| 1.4.2 分布式多级混合存储性能优化 | 第22页 |
| 1.4.3 混合存储介质优化 | 第22页 |
| 1.4.4 数据迁移 | 第22-23页 |
| 1.5 物流大数据计算与分析研究现状 | 第23-27页 |
| 1.5.1 大数据计算与分析理论研究现状 | 第23-24页 |
| 1.5.2 大数据计算与分析应用研究现状 | 第24-25页 |
| 1.5.3 物流大数据分析研究现状 | 第25-27页 |
| 1.6 研究内容及章节安排 | 第27-32页 |
| 1.6.1 研究内容 | 第27-29页 |
| 1.6.2 章节安排 | 第29-32页 |
| 第2章 多级混合存储的热数据预测模型 | 第32-46页 |
| 2.1 引言 | 第32页 |
| 2.2 多级混合存储热数据预测模型 | 第32-39页 |
| 2.2.1 问题定义 | 第32-33页 |
| 2.2.2 数据热度与特征向量 | 第33-34页 |
| 2.2.3 数据块热度预测模型 | 第34-39页 |
| 2.3 数据仿真分析 | 第39-45页 |
| 2.3.1 性能分析 | 第39-41页 |
| 2.3.2 预测精度对比 | 第41-42页 |
| 2.3.3 模型鲁棒性 | 第42-45页 |
| 2.4 本章小结 | 第45-46页 |
| 第3章 混合存储环境中的数据安全模型 | 第46-67页 |
| 3.1 引言 | 第46页 |
| 3.2 多级混合存储的数据安全模型 | 第46-53页 |
| 3.2.1 分布式存储系统的威胁模型 | 第48-49页 |
| 3.2.2 数据安全模型 | 第49-51页 |
| 3.2.3 数据模型的可信域 | 第51页 |
| 3.2.4 数据安全模型的机制 | 第51-53页 |
| 3.3 数据安全模型的关键技术 | 第53-59页 |
| 3.3.1 数据私密性控制 | 第53-54页 |
| 3.3.2 协同与数据同步 | 第54-55页 |
| 3.3.3 权限变更管理 | 第55-56页 |
| 3.3.4 访问控制技术 | 第56-59页 |
| 3.4 测试及分析 | 第59-66页 |
| 3.4.1 系统性能分析 | 第60-62页 |
| 3.4.2 数据安全操作性能 | 第62-63页 |
| 3.4.3 数据存取性能 | 第63-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第4章 面向海量物流数据的配送推荐模型与算法 | 第67-87页 |
| 4.1 引言 | 第67页 |
| 4.2 物流配送推荐模型 | 第67-72页 |
| 4.2.1 基于三部图优化标签 | 第68-70页 |
| 4.2.2 标签优化算法 | 第70-72页 |
| 4.3 物流配送推荐算法 | 第72-78页 |
| 4.3.1 用户标签偏好函数 | 第72页 |
| 4.3.2 资源标签偏好函数 | 第72-73页 |
| 4.3.3 基于矩阵的推荐模型 | 第73-74页 |
| 4.3.4 仿真实验 | 第74-78页 |
| 4.4 基于Spark的并行推荐算法 | 第78-86页 |
| 4.4.1 大数据实时处理框架 | 第78-79页 |
| 4.4.2 基于Spark的协同推荐算法 | 第79-82页 |
| 4.4.3 实验分析 | 第82-86页 |
| 4.5 本章小结 | 第86-87页 |
| 第5章 轨迹大数据的物流共享运力调度算法研究 | 第87-106页 |
| 5.1 引言 | 第87页 |
| 5.2 基于轨迹分类的全量调度算法 | 第87-96页 |
| 5.2.1 运输轨迹度量方法 | 第87-89页 |
| 5.2.2 考虑时序的相似轨迹匹配算法 | 第89-91页 |
| 5.2.3 全量式共享运力调度算法 | 第91-92页 |
| 5.2.4 全量式运力共享并行调度算法 | 第92-94页 |
| 5.2.5 仿真分析 | 第94-96页 |
| 5.3 增量式运力共享调度算法 | 第96-105页 |
| 5.3.1 时空轨迹索引及查询 | 第97-102页 |
| 5.3.2 基于增量的共享运力调度算法 | 第102-103页 |
| 5.3.3 实验分析 | 第103-105页 |
| 5.4 本章小结 | 第105-106页 |
| 第6章 物流大数据存储与分析的应用研究 | 第106-119页 |
| 6.1 引言 | 第106页 |
| 6.2 冷链物流全程可视化系统 | 第106-110页 |
| 6.2.1 应用背景 | 第106-107页 |
| 6.2.2 系统功能 | 第107-110页 |
| 6.3 物流监控视频混合存储系统 | 第110-114页 |
| 6.3.1 应用背景 | 第110页 |
| 6.3.2 系统架构设计 | 第110-111页 |
| 6.3.3 关键技术 | 第111-113页 |
| 6.3.4 测试分析 | 第113-114页 |
| 6.4 混合多级加密存储系统 | 第114-117页 |
| 6.4.1 应用背景 | 第114-115页 |
| 6.4.2 混合存储加密文件系统 | 第115页 |
| 6.4.3 关键技术 | 第115-116页 |
| 6.4.4 加密性能测试 | 第116-117页 |
| 6.5 冷链物流运输大数据分析应用 | 第117-118页 |
| 6.5.1 应用背景 | 第117页 |
| 6.5.2 振动模型应用 | 第117-118页 |
| 6.5.3 关键技术 | 第118页 |
| 6.6 本章小结 | 第118-119页 |
| 第7章 总结与展望 | 第119-122页 |
| 7.1 研究工作总结 | 第119-120页 |
| 7.2 研究工作展望 | 第120-122页 |
| 参考文献 | 第122-132页 |
| 致谢 | 第132-133页 |
| 攻读博士学位期间录用和发表的论文及成果 | 第133-134页 |
