| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 论文结构的结构与主要的工作 | 第13-15页 |
| 2 海量时空轨迹相似度计算相关理论 | 第15-29页 |
| 2.1 时空轨迹相似度算法 | 第15-17页 |
| 2.1.1 轨迹间欧式距离 | 第15-16页 |
| 2.1.2 最小外包矩形 | 第16页 |
| 2.1.3 最长公共子序列 | 第16-17页 |
| 2.2 海量时空轨迹数据预处理 | 第17-20页 |
| 2.2.1 数据质量的定义 | 第17页 |
| 2.2.2 数据清洗的定义 | 第17页 |
| 2.2.3 数据清洗的方法分类 | 第17-20页 |
| 2.3 Hadoop平台概述 | 第20-28页 |
| 2.3.1 Hadoop平台背景 | 第20页 |
| 2.3.2 Hadoop生态系统 | 第20-22页 |
| 2.3.3 MapReduce编程模型 | 第22-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 改进的LCSS+算法在海量时空轨迹相似度计算的应用 | 第29-40页 |
| 3.1 时空轨迹相似度计算系统要求 | 第29-30页 |
| 3.2 时空轨迹相似度定义 | 第30-31页 |
| 3.2.1 时空轨迹定义 | 第30页 |
| 3.2.2 时空轨迹求交 | 第30-31页 |
| 3.2.3 时空轨迹相似度量标准 | 第31页 |
| 3.3 时空轨迹相似度计算分析 | 第31-34页 |
| 3.4 基于网格的划分算法 | 第34-37页 |
| 3.5 分布式LCSS+算法设计 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 4 负载均衡策略 | 第40-47页 |
| 4.1 策略分析 | 第40-42页 |
| 4.1.1 MapReduce的分区过程与参数优化 | 第40-42页 |
| 4.1.2 分区方法 | 第42页 |
| 4.2 改进的分区算法 | 第42-46页 |
| 4.2.1 算法概述 | 第42-45页 |
| 4.2.2 算法步骤 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 5 实验结果与分析 | 第47-56页 |
| 5.1 实验环境的配置 | 第47-48页 |
| 5.2 LCSS 算法和LCSS+算法的对比 | 第48-50页 |
| 5.3 Grid-based partitioning algorithm性能评估 | 第50-51页 |
| 5.4 改进后分区策略性能评估 | 第51-55页 |
| 5.5 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-57页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录1 攻读硕士学位期间参与的项目和发表的论文 | 第63页 |
