| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究工作的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 相关技术研究综述 | 第18-28页 |
| 2.1 智能设备传感器 | 第18-19页 |
| 2.2 行为分类算法介绍 | 第19-20页 |
| 2.3 MapReduce介绍 | 第20-22页 |
| 2.4 实时流计算技术架构简介 | 第22-27页 |
| 2.4.1 Flume介绍 | 第22-23页 |
| 2.4.2 Kafka介绍 | 第23-25页 |
| 2.4.3 Storm介绍 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 系统总体设计 | 第28-40页 |
| 3.1 系统需求分析 | 第28-30页 |
| 3.1.1 功能性需求 | 第28-29页 |
| 3.1.2 非功能性需求 | 第29-30页 |
| 3.2 系统架构设计 | 第30-36页 |
| 3.2.1 系统物理架构 | 第30-33页 |
| 3.2.2 系统逻辑架构 | 第33-34页 |
| 3.2.3 系统数据库设计 | 第34-36页 |
| 3.3 系统模块设计 | 第36-39页 |
| 3.3.1 数据采集预处理及特征提取模块 | 第36-37页 |
| 3.3.2 基于MapReduce离线建模模块 | 第37-38页 |
| 3.3.3 基于Storm多人实时行为识别模块 | 第38页 |
| 3.3.4 数据展示模块 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 数据采集处理及离线数据建模 | 第40-58页 |
| 4.1 传感器数据采集 | 第40-44页 |
| 4.2 数据预处理 | 第44-46页 |
| 4.2.1 低通滤波去除重力分量 | 第44-45页 |
| 4.2.2 移动均值滤波去噪 | 第45-46页 |
| 4.3 特征选择和提取 | 第46-50页 |
| 4.4 基于MapReduce实现决策树 | 第50-57页 |
| 4.4.1 基于MapReduce决策树算法流程 | 第50-52页 |
| 4.4.2 基于MapReduce决策树算法具体实现 | 第52-55页 |
| 4.4.3 决策树模型测试 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 多人实时行为识别 | 第58-78页 |
| 5.1 数据实时传输和收集 | 第58-62页 |
| 5.1.1 客户端实时传输 | 第58-60页 |
| 5.1.2 flume及kafka数据收集 | 第60-62页 |
| 5.2 Storm实时识别 | 第62-71页 |
| 5.2.1 Topology设计 | 第62-64页 |
| 5.2.2 Topology各节点实现 | 第64-70页 |
| 5.2.3 Topology任务提交 | 第70-71页 |
| 5.3 数据展示 | 第71-77页 |
| 5.3.1 用户个人信息展示 | 第71-72页 |
| 5.3.2 用户实时行为数据展示 | 第72-74页 |
| 5.3.3 用户历史行为数据统计 | 第74-75页 |
| 5.3.4 实时汇总数据展示 | 第75-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 系统测试 | 第78-89页 |
| 6.1 系统集群环境搭建 | 第78-82页 |
| 6.1.1 Hadoop集群搭建 | 第78-79页 |
| 6.1.2 Flume集群搭建 | 第79-80页 |
| 6.1.3 Kafka集群搭建 | 第80-81页 |
| 6.1.4 Storm集群搭建 | 第81-82页 |
| 6.2 系统测试 | 第82-87页 |
| 6.3 系统性能分析 | 第87-88页 |
| 6.4 本章小结 | 第88-89页 |
| 第七章 总结与展望 | 第89-91页 |
| 7.1 工作总结 | 第89-90页 |
| 7.2 未来工作展望 | 第90-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-95页 |
| 攻读硕士期间取得的成果 | 第95-96页 |