| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 相关技术研究进展 | 第8-10页 |
| 1.3 主要研究内容 | 第10-12页 |
| 1.4 组织结构安排 | 第12-13页 |
| 2 系统整体架构设计 | 第13-19页 |
| 2.1 总体技术方案设计 | 第13-15页 |
| 2.2 WSN末梢数据终端部分 | 第15-16页 |
| 2.3 流式数据快速计算平台设计 | 第16-18页 |
| 2.3.1 数据云网关上位机设计 | 第16-17页 |
| 2.3.2 Spark流式计算框架设置 | 第17页 |
| 2.3.3 压缩网络编码设计 | 第17页 |
| 2.3.4 改进的流式k-means快速聚类 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 WSN数据测量与编码 | 第19-28页 |
| 3.1 WSN节点组成模块 | 第19-20页 |
| 3.2 WSN网络拓扑结构 | 第20-22页 |
| 3.3 WSN数据传输实现 | 第22-24页 |
| 3.3.1 末梢终端数据传输模型 | 第22-24页 |
| 3.3.2 末梢终端路由传输协议 | 第24页 |
| 3.4 融合压缩网络编码增益 | 第24-27页 |
| 3.4.1 压缩感知增益分析 | 第25-26页 |
| 3.4.2 网络编码增益分析 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 WSN异常数据的流式计算 | 第28-43页 |
| 4.1 流式计算框架 | 第28-31页 |
| 4.1.1 典型的流式计算框架 | 第28-30页 |
| 4.1.2 Spark Stream对WSN数据的流化 | 第30-31页 |
| 4.2 WSN异常数据检测流式计算 | 第31-34页 |
| 4.2.1 K-means可行性分析 | 第32-33页 |
| 4.2.2 流式k-means | 第33-34页 |
| 4.3 K-means安全区间更新优化算法 | 第34-36页 |
| 4.3.1 安全距离算法 | 第35-36页 |
| 4.3.2 安全区间更新优化算法 | 第36页 |
| 4.4 Spark Stream上的算法并行实现 | 第36-39页 |
| 4.4.1 Spark点向量计算模型 | 第37页 |
| 4.4.2 安全区间更新优化算法的Spark并行实现 | 第37-39页 |
| 4.5 优化的流式k-means性能分析 | 第39-42页 |
| 4.5.1 测试平台环境 | 第39页 |
| 4.5.2 Spark Stream处理结果对接 | 第39-41页 |
| 4.5.3 流式k-means优化结果效率分析 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 5 压缩网络编码的融合 | 第43-57页 |
| 5.1 压缩感知系统优化 | 第43-47页 |
| 5.1.1 节点数据时空相关性建模 | 第43-45页 |
| 5.1.2 WSN节点数据稀疏 | 第45-46页 |
| 5.1.3 测度矩阵设计 | 第46-47页 |
| 5.2 网络编码系统优化 | 第47-50页 |
| 5.2.1 构造编码向量 | 第48页 |
| 5.2.2 设计数据包格式 | 第48-49页 |
| 5.2.3 云网关中的数据同步 | 第49-50页 |
| 5.3 WSN数据流式计算中的解码重构 | 第50-54页 |
| 5.3.1 压缩网络编码工作过程 | 第50-51页 |
| 5.3.2 WSN数据译码重构 | 第51-54页 |
| 5.4 优化性能分析 | 第54-57页 |
| 6 项目实施流程与测试实验 | 第57-61页 |
| 6.1 系统整体原理实施流程 | 第57-58页 |
| 6.2 项目试验过程 | 第58-61页 |
| 7 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |