| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究综述 | 第11-15页 |
| 1.2.1 CDC技术 | 第11-12页 |
| 1.2.2 数据清洗技术 | 第12-14页 |
| 1.2.3 数据存取处理技术 | 第14-15页 |
| 1.3 本文的主要内容和技术路线 | 第15-18页 |
| 第二章 数据仓库与动态数据仓库技术 | 第18-24页 |
| 2.1 数据仓库 | 第18-21页 |
| 2.1.1 数据仓库的定义 | 第18页 |
| 2.1.2 数据仓库的特点 | 第18-19页 |
| 2.1.3 数据仓库系统的体系结构 | 第19-20页 |
| 2.1.4 数据仓库系统的不足 | 第20-21页 |
| 2.2 动态数据仓库 | 第21-23页 |
| 2.2.1 动态数据仓库的定义 | 第21页 |
| 2.2.2 传统数据仓库与动态数据仓库的区别 | 第21-23页 |
| 2.2.3 动态数据仓库的应用 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 变化数据捕获技术研究 | 第24-38页 |
| 3.1 变化数据捕获的定义 | 第24页 |
| 3.2 变化数据捕获方法研究 | 第24-27页 |
| 3.2.1 基于文件或表的全扫描比对的方法 | 第25页 |
| 3.2.2 基于触发器的方法 | 第25-26页 |
| 3.2.3 基于复制的方法 | 第26页 |
| 3.2.4 基于时间戳的方法 | 第26页 |
| 3.2.5 基于日志的方法 | 第26-27页 |
| 3.2.6 基于表刷新的方法 | 第27页 |
| 3.3 变化数据捕获模块设计 | 第27-36页 |
| 3.3.1 日志信息读取 | 第28-32页 |
| 3.3.2 日志信息分析 | 第32-34页 |
| 3.3.3 数据调度策略 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 实时客流量数据异常检测方法研究 | 第38-76页 |
| 4.1 客流数据采集与预处理 | 第38-39页 |
| 4.2 时间序列的混沌特性判定 | 第39-47页 |
| 4.2.1 相空间重构参数确定 | 第39-42页 |
| 4.2.2 最大Lyapunov指数 | 第42-43页 |
| 4.2.3 实例分析 | 第43-47页 |
| 4.3 实时进站客流量数据预测模型构建 | 第47-66页 |
| 4.3.1 模型训练数据样本集 | 第47-49页 |
| 4.3.2 支持向量机回归模型 | 第49-51页 |
| 4.3.3 集成学习 | 第51-55页 |
| 4.3.4 粒子群优化算法 | 第55-59页 |
| 4.3.5 实例分析 | 第59-66页 |
| 4.4 实时进站客流量数据的异常检测与处理 | 第66-74页 |
| 4.4.1 阀值确定及相应的数据有效性检测和处理方法 | 第66-69页 |
| 4.4.2 实例分析 | 第69-74页 |
| 4.5 本章小结 | 第74-76页 |
| 第五章 查询竞争问题及其解决方案的分析研究 | 第76-84页 |
| 5.1 问题分析 | 第76-77页 |
| 5.2 查询冲突问题主要解决方法分析 | 第77-81页 |
| 5.2.1 简化或限制实时报表 | 第77页 |
| 5.2.2 提升数据库系统硬件配置 | 第77-78页 |
| 5.2.3 外部实时数据缓存 | 第78页 |
| 5.2.4 及时信息合并 | 第78-79页 |
| 5.2.5 反向及时信息合并 | 第79页 |
| 5.2.6 实时分区 | 第79-80页 |
| 5.2.7 动态多级缓存 | 第80页 |
| 5.2.8 动态镜像技术 | 第80-81页 |
| 5.3 查询冲突问题解决方案架构设计 | 第81-82页 |
| 5.4 本章小结 | 第82-84页 |
| 第六章 论文工作的总结与展望 | 第84-88页 |
| 6.1 论文工作总结 | 第84-85页 |
| 6.2 论文工作展望 | 第85-88页 |
| 致谢 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 攻读硕士学位期间所发表论文 | 第94页 |