基于制造业人脸大数据集的身份统一标识方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究的背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 制造业工人流动的研究现状 | 第10页 |
| 1.2.2 人员时空数据和身份同一性的研究现状 | 第10-12页 |
| 1.2.3 人脸聚类和数据融合的研究现状 | 第12-14页 |
| 1.3 主要研究思路 | 第14-16页 |
| 1.4 本文研究内容 | 第16-18页 |
| 第2章 基于人脸特征数据的统一标识方法研究 | 第18-29页 |
| 2.1 标识体系和人脸识别系统关系分析 | 第18-21页 |
| 2.2 人脸聚类算法模型 | 第21-24页 |
| 2.3 实验模型及结果分析 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于人脸相似度的统一标识方法研究 | 第29-38页 |
| 3.1 高维人脸聚类特点分析 | 第29-31页 |
| 3.2 谱聚类算法模型 | 第31-33页 |
| 3.3 改进实验模型及结果分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于数据融合的统一标识方法研究 | 第38-47页 |
| 4.1 Wi-Fi数据特点分析 | 第38-39页 |
| 4.2 数据融合算法模型 | 第39-41页 |
| 4.3 实验模型和结果分析 | 第41-44页 |
| 4.4 ID匹配模型 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 系统实现 | 第47-53页 |
| 5.1 软件架构与开发技术 | 第47-50页 |
| 5.1.1 大数据系统Lambda架构 | 第47-48页 |
| 5.1.2 实时处理层相关技术 | 第48-49页 |
| 5.1.3 批处理层相关技术 | 第49页 |
| 5.1.4 服务层相关技术 | 第49-50页 |
| 5.2 应用效果 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
