并行化流式数据聚类及其在交通热点挖掘中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与研究意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 流式数据聚类的研究现状 | 第12-13页 |
| 1.2.2 交通路况的研究现状与现存问题 | 第13-14页 |
| 1.3 研究内容和组织结构 | 第14-16页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 论文组织结构 | 第14-16页 |
| 第2章 相关理论概述 | 第16-33页 |
| 2.1 流式数据概述 | 第16-20页 |
| 2.1.1 流式数据的概念 | 第16-18页 |
| 2.1.2 流式数据挖掘技术 | 第18-20页 |
| 2.2 聚类算法概述 | 第20-27页 |
| 2.2.1 聚类分析的概念 | 第20-22页 |
| 2.2.2 常见聚类算法划分 | 第22-23页 |
| 2.2.3 流式数据聚类算法的要求 | 第23-24页 |
| 2.2.4 流式数据聚类模型与算法 | 第24-27页 |
| 2.3 流式计算框架概述 | 第27-32页 |
| 2.3.1 流式计算框架的比较 | 第27-29页 |
| 2.3.2 流式计算Storm框架 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 PCK流式数据聚类模型的构建与分析 | 第33-68页 |
| 3.1 两阶段快速流式数据聚类框架的建立 | 第33-42页 |
| 3.1.1 两阶段流式数据聚类框架 | 第33-34页 |
| 3.1.2 在线粗聚类阶段 | 第34-39页 |
| 3.1.3 离线细聚类阶段 | 第39-42页 |
| 3.2 CK流式数据聚类算法设置与调整 | 第42-48页 |
| 3.2.1 CK算法设置 | 第42-45页 |
| 3.2.2 CK算法参数调整 | 第45-48页 |
| 3.3 PCK流式数据聚类算法的并行化计算实现 | 第48-58页 |
| 3.3.1 Storm并行化 | 第48-52页 |
| 3.3.2 PCK算法设计 | 第52-54页 |
| 3.3.3 PCK算法实现 | 第54-58页 |
| 3.4 实验与结果分析 | 第58-67页 |
| 3.4.1 实验环境与数据 | 第58-59页 |
| 3.4.2 实验验证 | 第59-62页 |
| 3.4.3 性能分析 | 第62-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第4章 基于PCK流式数据聚类的交通热点挖掘 | 第68-84页 |
| 4.1 实验目的 | 第68页 |
| 4.2 实验准备 | 第68-73页 |
| 4.2.1 数据集选取 | 第68-70页 |
| 4.2.2 PCK并行化设置 | 第70-71页 |
| 4.2.3 PCK参数设置 | 第71-73页 |
| 4.3 实验结果 | 第73-82页 |
| 4.3.1 交通热点区域挖掘 | 第73-79页 |
| 4.3.2 PCK参数影响力分析 | 第79-81页 |
| 4.3.3 带时间跨度的交通热点实时演变 | 第81-82页 |
| 4.4 本章小结 | 第82-84页 |
| 第5章 总结与展望 | 第84-87页 |
| 5.1 研究总结 | 第84-85页 |
| 5.2 研究展望 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 致谢 | 第92页 |
