首页--交通运输论文--公路运输论文--道路工程论文--规划、勘测与设计论文--线路设计论文--选线设计论文

基于混合矢量结构的分布式道路选线方法与原型系统设计

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-20页
    1.1 研究背景第11-13页
    1.2 研究目的与内容第13-14页
    1.3 国内外研究现状第14-17页
        1.3.1 现有道路选线方法研究现状第14-16页
        1.3.2 云计算下的道路选线技术研究现状第16-17页
    1.4 论文架构第17-20页
第二章 关键技术介绍第20-27页
    2.1 道路选线原理介绍第20-22页
        2.1.1 选线原则第20-21页
        2.1.2 选线思路第21-22页
    2.2 数据挖掘算法介绍第22-23页
        2.2.1 基于决策树的分类算法第22页
        2.2.2 基于K-Means的聚类算法第22-23页
    2.3 Hadoop及其关键技术介绍第23-26页
        2.3.1 HDFS第24页
        2.3.2 MapReduce第24-25页
        2.3.3 HBase第25-26页
    2.4 本章小结第26-27页
第三章 基于混合矢量结构的地理数据预处理第27-54页
    3.1 地理数据组织与表达第27-32页
        3.1.1 现有地理数据结构介绍与对比第27-28页
        3.1.2 混合矢量地理数据结构设计第28-32页
    3.2 现有地理数据预处理方法分析第32-37页
        3.2.1 基于栅格结构的地理数据预处理方法介绍第33-37页
        3.2.2 基于栅格结构的地理数据预处理方法分析第37页
    3.3 基于混合矢量结构的地理数据预处理第37-47页
        3.3.1 地理数据预处理方法概述第37-38页
        3.3.2 地理数据属性转换第38-39页
        3.3.3 基于聚类的地理数据归并第39-45页
        3.3.4 地理数据属性计算第45-47页
    3.4 验证与分析第47-53页
        3.4.1 验证说明第47-48页
        3.4.2 属性转换第48-49页
        3.4.3 数据归并第49-50页
        3.4.4 属性计算第50-52页
        3.4.5 结果分析第52-53页
    3.5 本章小结第53-54页
第四章 基于分布式思想的选线方法设计第54-81页
    4.1 现有选线方法介绍与分析第54-59页
        4.1.1 基于图论思想的选线方法介绍第54-58页
        4.1.2 基于图论思想的选线方法分析第58-59页
    4.2 基于分布式思想的选线方法设计第59-69页
        4.2.1 分布式选线方法概述第59-61页
        4.2.2 基于控制线的分段选线划分第61-62页
        4.2.3 基于控制线分段的道路选线第62-68页
        4.2.4 选线方案合并与评价第68-69页
    4.3 验证与分析第69-79页
        4.3.1 验证说明第69-70页
        4.3.2 分段划分第70-71页
        4.3.3 分段选线第71-77页
        4.3.4 方案合并第77-79页
        4.3.5 结果分析第79页
    4.4 本章小结第79-81页
第五章 选线原型系统设计部署与验证第81-98页
    5.1 系统总体设计第81-86页
        5.1.1 系统架构设计第81-82页
        5.1.2 系统模块设计第82-86页
    5.2 系统部署与搭建第86-91页
        5.2.1 集群部署第86-90页
        5.2.2 开发环境搭建第90-91页
    5.3 系统验证第91-97页
        5.3.1 验证准备第91-92页
        5.3.2 验证流程第92-97页
        5.3.3 验证结论第97页
    5.4 本章小结第97-98页
第六章 总结与展望第98-101页
    6.1 总结第98-100页
    6.2 展望第100-101页
致谢第101-102页
参考文献第102-105页
攻读硕士学位期间取得的成果第105-106页

论文共106页,点击 下载论文
上一篇:广西GRAPES中尺度模式系统的开发和建立
下一篇:转录因子结合亲和性预测的研究