| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 本文研究背景 | 第7-11页 |
| 1.1.1 无线传感网 | 第8-9页 |
| 1.1.2 网络编码 | 第9-10页 |
| 1.1.3 MapReduce分布式计算技术 | 第10-11页 |
| 1.2 本文主要研究内容 | 第11-12页 |
| 1.3 本文研究意义 | 第12-13页 |
| 1.4 本文结构安排 | 第13-14页 |
| 2 系统架构设计 | 第14-22页 |
| 2.1 系统设计方案 | 第14-15页 |
| 2.2 系统整体架构设计 | 第15-16页 |
| 2.3 无线传感网各模块设计 | 第16-19页 |
| 2.3.1 无线传感网网络结构设计 | 第16-17页 |
| 2.3.2 采集终端结构 | 第17-19页 |
| 2.3.3 中继节点设计 | 第19页 |
| 2.4 Hadoop集群架构 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 基于MapReduce的并行解码技术 | 第22-34页 |
| 3.1 无线传感网与网络编码 | 第22-23页 |
| 3.2 编码算法设计 | 第23-26页 |
| 3.2.1 编码矩阵设计 | 第23-25页 |
| 3.2.2 数据编码过程 | 第25-26页 |
| 3.3 分布式求解译码矩阵 | 第26-29页 |
| 3.3.1 MapReduce计算框架 | 第26-28页 |
| 3.3.2 基于MapReduce的译码矩阵计算 | 第28-29页 |
| 3.4 MapReduce框架下解码算法设计与实现 | 第29-32页 |
| 3.4.1 行列相乘法 | 第29页 |
| 3.4.2 基于MapReduce的解码方法实现 | 第29-32页 |
| 3.5 本章小结 | 第32-34页 |
| 4 感知数据并行聚类分析 | 第34-44页 |
| 4.1 K-means聚类 | 第36-37页 |
| 4.2 数据单遍技术 | 第37页 |
| 4.3 K-means++初始化seeding | 第37-38页 |
| 4.4 MRSK算法 | 第38-41页 |
| 4.4.1 算法流程介绍 | 第38-39页 |
| 4.4.2 MRSK聚类 | 第39-41页 |
| 4.5 MRSK算法复杂度分析 | 第41-43页 |
| 4.5.1 数据块大小设定 | 第41-42页 |
| 4.5.2 I/O复杂度 | 第42页 |
| 4.5.3 空间复杂度 | 第42页 |
| 4.5.4 时间复杂度 | 第42页 |
| 4.5.5 与相关工作进行复杂度对比 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 项目实验 | 第44-56页 |
| 5.1 编码算法性能仿真分析 | 第44-47页 |
| 5.1.1 网络能量消耗 | 第45-46页 |
| 5.1.2 网络负载均衡 | 第46-47页 |
| 5.2 并行解码算法实验分析 | 第47-49页 |
| 5.3 基于MapReduce的单遍聚类实验与分析 | 第49-52页 |
| 5.3.1 实验设置 | 第49-50页 |
| 5.3.2 评价指标 | 第50页 |
| 5.3.3 实验结果分析 | 第50-52页 |
| 5.4 Web端页面展示 | 第52-54页 |
| 5.4.1 Cloudera Manager管理系统 | 第52-53页 |
| 5.4.2 监测数据展示 | 第53-54页 |
| 5.5 硬件实物图 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 6 总结和展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |
