基于Spark的用户位置预测系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容和目标 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关技术理论介绍 | 第15-25页 |
| 2.1 轨迹预处理 | 第15页 |
| 2.2 位置提取方法 | 第15-17页 |
| 2.3 位置预测方法 | 第17-22页 |
| 2.3.1 马尔科夫模型 | 第17-18页 |
| 2.3.2 随机森林模型 | 第18-19页 |
| 2.3.3 深度信念网络模型 | 第19-21页 |
| 2.3.4 评价指标 | 第21-22页 |
| 2.4 分布式计算框架 | 第22-23页 |
| 2.4.1 分布式计算框架 | 第22-23页 |
| 2.4.2 分布式消息队列 | 第23页 |
| 2.5 MVC结构 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 位置提取和位置预测算法 | 第25-34页 |
| 3.1 基于DBSCAN的多层次位置提取算法 | 第25-28页 |
| 3.1.1 算法概述 | 第25-26页 |
| 3.1.2 轨迹点距离计算 | 第26页 |
| 3.1.3 算法流程 | 第26-28页 |
| 3.2 基于深度信念网络的位置预测算法 | 第28-30页 |
| 3.2.1 传统预测方法的不足及本算法的改进 | 第28-30页 |
| 3.2.2 模型训练过程 | 第30页 |
| 3.3 算法性能分析 | 第30-33页 |
| 3.3.1 位置提取算法参数分析 | 第31页 |
| 3.3.2 深度信念网络模型性能分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于Spark的位置预测系统分析与设计 | 第34-44页 |
| 4.1 系统需求分析 | 第34-35页 |
| 4.2 系统功能分析与设计 | 第35-38页 |
| 4.2.1 数据解析模块 | 第35-36页 |
| 4.2.2 位置提取模块 | 第36页 |
| 4.2.3 位置预测模块 | 第36-37页 |
| 4.2.4 数据可视化模块 | 第37-38页 |
| 4.3 系统工作流程设计 | 第38-39页 |
| 4.4 系统数据库设计 | 第39-43页 |
| 4.4.1 数据库概念设计 | 第39-40页 |
| 4.4.2 数据库逻辑设计 | 第40-41页 |
| 4.4.3 数据库对外接口设计 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于Spark的位置预测系统实现与测试 | 第44-54页 |
| 5.1 系统环境搭建 | 第44页 |
| 5.2 数据解析模块 | 第44-45页 |
| 5.3 位置提取模块 | 第45-47页 |
| 5.4 位置预测模块 | 第47-48页 |
| 5.5 数据可视化模块 | 第48-50页 |
| 5.6 系统测试 | 第50-53页 |
| 5.7 本章小结 | 第53-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
