摘要 | 第10-11页 |
ABSTRACT | 第11-12页 |
第一章 绪论 | 第13-19页 |
1.1 课题背景与研究意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-17页 |
1.2.1 时空聚集研究现状 | 第14-15页 |
1.2.2 时空热点估计计算模型研究现状 | 第15-16页 |
1.2.3 分布式计算研究现状 | 第16页 |
1.2.4 研究总结 | 第16-17页 |
1.3 本文的研究内容和组织结构 | 第17-19页 |
1.3.1 本文研究内容 | 第17页 |
1.3.2 论文组织结构 | 第17-19页 |
第二章 面向分布式内存计算的时空数据模型 | 第19-29页 |
2.1 时空数据模型 | 第19-21页 |
2.1.1 时空数据概述 | 第19页 |
2.1.2 现有的时空数据模型 | 第19-21页 |
2.2 分布式内存计算框架的数据存储机制分析 | 第21-23页 |
2.2.1 分布式内存计算平台Spark简介 | 第21-22页 |
2.2.2 Spark存储模型 | 第22-23页 |
2.3 面向分布式内存计算的自适应时空立方体模型 | 第23-26页 |
2.3.1 自适应时空立方体模型 | 第23-25页 |
2.3.2 自适应时空立方体划分策略 | 第25-26页 |
2.4 基于分布式内存框架的时空数据组织 | 第26-27页 |
2.5 本章小结 | 第27-29页 |
第三章 分布式内存环境下的时空点聚集 | 第29-43页 |
3.1 时空聚集查询 | 第29-30页 |
3.2 基于分布式内存计算的时空聚集查询 | 第30-34页 |
3.2.1 基于自适应时空立方体的时空聚集立方体划分方法 | 第30-31页 |
3.2.2 算法流程及功能实现 | 第31-32页 |
3.2.3 时空聚集服务框架 | 第32-34页 |
3.3 分布式内存环境下基于预聚集的时空聚集查询算法 | 第34-36页 |
3.3.1 时空预聚集流程 | 第34页 |
3.3.2 时空聚集查询流程 | 第34-35页 |
3.3.3 基于预聚集的时空聚集查询算法 | 第35-36页 |
3.4 实验与分析 | 第36-41页 |
3.4.1 实验条件 | 第36页 |
3.4.2 实验结果与分析 | 第36-41页 |
3.4.3 实验结论 | 第41页 |
3.5 本章小结 | 第41-43页 |
第四章 分布式内存环境下的时空热点分析 | 第43-57页 |
4.1 时空热点分析模型 | 第43-46页 |
4.1.1 现有空间热点分析模型 | 第43-45页 |
4.1.2 时空数据结构中的Gt_i~*模型 | 第45-46页 |
4.2 基于分布式计算框架的时空热点分析算法 | 第46-49页 |
4.2.1 时空热度Gt_i~*计算流程 | 第46-48页 |
4.2.2 基于分布式内存的领域计算方法 | 第48-49页 |
4.3 基于spark的时空热点分析的Top-k算法 | 第49-51页 |
4.3.1 基于spark的时空热点分析的Top-k算法 | 第49-50页 |
4.3.2 算法实现 | 第50-51页 |
4.4 实验与分析 | 第51-56页 |
4.4.1 实验条件 | 第51-52页 |
4.4.2 实验结果与分析 | 第52-56页 |
4.5 本章小结 | 第56-57页 |
第五章 时空热点可视化及其系统实现 | 第57-65页 |
5.1 数据可视化 | 第57页 |
5.2 基于缓存的时空热点可视化方法 | 第57-61页 |
5.2.1 缓存结构设计 | 第57-60页 |
5.2.2 缓存策略 | 第60页 |
5.2.3 基于时空缓存的时空热点可视化方法 | 第60-61页 |
5.3 时空热点可视化及系统实现 | 第61-64页 |
5.3.1 时空热点分析原型系统 | 第61-62页 |
5.3.2 原型系统展示 | 第62-64页 |
5.4 本章小结 | 第64-65页 |
第六章 总结与展望 | 第65-69页 |
6.1 主要研究成果 | 第65-66页 |
6.2 存在的不足 | 第66-67页 |
6.3 工作展望 | 第67-69页 |
致谢 | 第69-71页 |
参考文献 | 第71-77页 |
作者在学期间取得的学术成果 | 第77-79页 |
作者在学期间参加的与本课题相关的科研项目 | 第79页 |