摘要 | 第4-5页 |
Abstract | 第5页 |
目录 | 第6-8页 |
专用术语注释表 | 第8-10页 |
第一章 绪论 | 第10-14页 |
1.1 研究背景 | 第10-11页 |
1.2 研究的目的与意义 | 第11-12页 |
1.3 国内外研究现状 | 第12页 |
1.3.1 国外研究现状 | 第12页 |
1.3.2 国内研究现状 | 第12页 |
1.4 论文主要工作和安排 | 第12-14页 |
第二章 交通服务智慧化的关键技术与数据挖掘 | 第14-27页 |
2.1 交通信息采集技术 | 第14-18页 |
2.1.1 路网检测技术 | 第14-16页 |
2.1.2 浮动车检测技术 | 第16-18页 |
2.2 交通网络传输技术 | 第18-20页 |
2.2.1 无线传感网 | 第18-19页 |
2.2.2 移动通信网络 | 第19-20页 |
2.3 交通信息处理技术 | 第20-25页 |
2.3.1 交通信息特征 | 第20-21页 |
2.3.2 数据挖掘的提出与发展 | 第21-22页 |
2.3.3 数据挖掘的过程 | 第22-23页 |
2.3.4 分布式计算与 Hadoop | 第23-25页 |
2.3.5 交通信息处理方案 | 第25页 |
2.4 交通服务智慧化的整体架构 | 第25-26页 |
2.5 本章小结 | 第26-27页 |
第三章 智慧交通运行状态数据分析系统的设计与部署 | 第27-41页 |
3.1 数据挖掘的分类 | 第27-30页 |
3.1.1 预测建模 | 第27-28页 |
3.1.2 关联分析 | 第28页 |
3.1.3 聚类分析 | 第28-29页 |
3.1.4 异常检测 | 第29-30页 |
3.2 Hadoop 生态系统与工作机制 | 第30-36页 |
3.2.1 Hadoop 的架构 | 第30-31页 |
3.2.2 Hadoop 分布式文件系统 | 第31-32页 |
3.2.3 MapReduce | 第32-33页 |
3.2.4 MapReduce 工作机制 | 第33-35页 |
3.2.5 HBase | 第35-36页 |
3.3 智慧交通运行状态数据分析系统的架构 | 第36-37页 |
3.4 智慧交通运行状态数据分析系统平台部署 | 第37-40页 |
3.4.1 配置 SSH 无密码登陆 | 第37-38页 |
3.4.2 Hadoop 群集安装 | 第38-40页 |
3.5 本章小结 | 第40-41页 |
第四章 智慧交通运行状态数据分析系统的挖掘算法分析 | 第41-51页 |
4.1 经典的数据挖掘算法 | 第41-46页 |
4.1.1 判定树分类 | 第41-42页 |
4.1.2 贝叶斯分类 | 第42-43页 |
4.1.3 Apriori 算法 | 第43-44页 |
4.1.4 K-Means 算法 | 第44-45页 |
4.1.5 Fuzzy C-Means 算法 | 第45-46页 |
4.2 基于 Hadoop 的挖掘算法改进 | 第46-50页 |
4.2.1 基于 MapReduce 的 Apriori 算法的改进 | 第46页 |
4.2.2 基于 MapReduce 的 Apriori 算法实例分析 | 第46-50页 |
4.3 本章小结 | 第50-51页 |
第五章 实验结果与分析 | 第51-66页 |
5.1 实验数据 | 第51-52页 |
5.2 实验环境 | 第52-55页 |
5.2.1 硬件配置 | 第52-53页 |
5.2.2 软件配置 | 第53-55页 |
5.3 基于 Hadoop 的数据挖掘实现 | 第55-60页 |
5.3.1 Hadoop 挖掘过程 | 第55页 |
5.3.2 数据准备阶段 | 第55-57页 |
5.3.3 MapReduce 阶段 | 第57-60页 |
5.3.4 Main 阶段 | 第60页 |
5.4 数据流分析 | 第60-61页 |
5.5 实验结果 | 第61-63页 |
5.6 实验结果分析 | 第63-65页 |
5.6.1 实验指标定义 | 第63页 |
5.6.2 结果分析 | 第63-65页 |
5.7 本章小结 | 第65-66页 |
第六章 总结与展望 | 第66-68页 |
6.1 本文工作总结 | 第66页 |
6.2 未来展望 | 第66-68页 |
参考文献 | 第68-70页 |
附录 1 程序清单 | 第70-71页 |
附录 2 攻读硕士学位期间撰写的论文 | 第71-72页 |
附录 3 攻读硕士学位期间参加的科研项目 | 第72-73页 |
致谢 | 第73页 |