| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文研究内容及组织结构 | 第15-18页 |
| 第二章 公共交通影响因素量化分析的相关技术介绍 | 第18-34页 |
| 2.1 分布式文件存储 | 第18-20页 |
| 2.1.1 分布式文件存储系统 | 第18页 |
| 2.1.2 分布式文件存储体系架构 | 第18-20页 |
| 2.2 MapReduce技术 | 第20-22页 |
| 2.2.1 MapReduce计算模型 | 第20页 |
| 2.2.2 MapReduce的作业调度 | 第20-22页 |
| 2.3 主成分分析法 | 第22-24页 |
| 2.4 聚类 | 第24-28页 |
| 2.4.1 聚类算法相似度度量 | 第24-25页 |
| 2.4.2 Calinski-Harabasz(CH)指标 | 第25-26页 |
| 2.4.3 Kmeans算法聚类 | 第26-27页 |
| 2.4.4 聚类类别个数k的确定 | 第27页 |
| 2.4.5 基于MapReduce的Kmeans算法 | 第27-28页 |
| 2.5 朴素贝叶斯算法 | 第28-33页 |
| 2.5.1 朴素贝叶斯分类原理 | 第28-29页 |
| 2.5.2 朴素贝叶斯 | 第29-30页 |
| 2.5.3 多项式贝叶斯分类器 | 第30-31页 |
| 2.5.4 基于MapReduce的贝叶斯算法 | 第31-33页 |
| 2.6 Bagging模型 | 第33页 |
| 2.7 本章小结 | 第33-34页 |
| 第三章 公共交通和社会经济数据搜集与处理 | 第34-56页 |
| 3.1 公共交通和社会经济数据概述 | 第34-36页 |
| 3.1.1 公共交通的概述 | 第34-36页 |
| 3.1.2 社会经济的概述 | 第36页 |
| 3.2 因子的选择 | 第36-40页 |
| 3.2.1 因子的选择原则 | 第37页 |
| 3.2.2 因子的选择方法 | 第37-38页 |
| 3.2.3 公共交通数据选择结果 | 第38-39页 |
| 3.2.4 社会经济因子的选择 | 第39-40页 |
| 3.3 因子计算 | 第40-55页 |
| 3.3.1 因子计算区域 | 第40-42页 |
| 3.3.2 公共交通和社会经济统计单元 | 第42页 |
| 3.3.3 公共交通和社经济计算步骤 | 第42-44页 |
| 3.3.4 公共交通数据因子计算 | 第44-52页 |
| 3.3.5 社会经济数据因子计算 | 第52-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 基于Bagging贝叶斯的公共交通影响因素量化分析 | 第56-86页 |
| 4.1 基于Bagging模型的贝叶斯算法改进 | 第56-57页 |
| 4.2 Hadoop平台使用 | 第57-59页 |
| 4.3 基于MapReduce的栅格图像计算 | 第59-65页 |
| 4.3.1 栅格图像结构体设计与数据输入 | 第59-61页 |
| 4.3.2 Bagging贝叶斯分类器的并行实现 | 第61-63页 |
| 4.3.3 MapReduce栅格图像计算结果重组 | 第63-65页 |
| 4.4 公交便捷度量化研究 | 第65-72页 |
| 4.4.1 公共交通数据集成 | 第66-67页 |
| 4.4.2 主成分分析对公共交通数据规约 | 第67-69页 |
| 4.4.3 并行聚类分析及Calinski-Harabasz研究公交便捷度 | 第69-72页 |
| 4.5 利用回归算法研究社会经济对公共交通的影响 | 第72-74页 |
| 4.6 基于并行Bagging贝叶斯的社会经济对公共交通量化影响的研究 | 第74-81页 |
| 4.7 并行Bagging贝叶斯模型分类效果及计算性能分析 | 第81-84页 |
| 4.7.1 并行Bagging贝叶斯模型分类效果分析 | 第81-83页 |
| 4.7.2 并行Bagging贝叶斯模型计算性能分析 | 第83-84页 |
| 4.8 回归分析方法和并行贝叶斯算法实验对比 | 第84-85页 |
| 4.9 本章小结 | 第85-86页 |
| 第五章 结论与展望 | 第86-88页 |
| 5.1 结论 | 第86-87页 |
| 5.2 展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |
