声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 研究现状与发展趋势
1.2.1 桥梁监测数据处理
1.2.2 孤立点检测
1.2.3 Hadoop技术
1.3 本文主要研究内容
1.4 研究创新点
1.5 论文组织结构
第二章 相关理论研究
2.1 基于距离的孤立点挖掘算法
2.2 聚类算法
2.2.1 K-means聚类
2.2.2 Canopy聚类
2.2.3 最大最小距离聚类
2.3 Hadoop平台
2.3.1 HDFS
2.3.2 MapReduce
2.4 本章小结
第三章 KMKNN及CMM-KMKNN算法
3.1 基本K-近邻孤立点算法(K-NN)
3.2 基于划分思想的K-NN改进
3.3 KMKNN算法
3.4 CMM-KMKNN算法
3.5 算法分析
3.6 本章小结
第四章 KMKNN及CMM-KMKNN算法的Hadoop实现
4.1 基于K-means聚类的区域划分MapReduce实现
4.2 Canopy聚类算法的MapReduce实现
4.3 最大最小距离算法的MapReduce实现
4.4 区域上下界计算
4.5 候选区域计算
4.6 候选区域孤立点检测
4.7 算法分析
4.8 本章小结
第五章 实验及结果分析
5.1 相关环境与数据
5.2 单机环境下的实验与分析
5.3 Hadoop分布式实验
5.3.1 Hadoop分布式集群搭建
5.3.2 实验结果与分析
5.4 本章小结
第六章 总结与展望
6.1 工作总结
6.2 研究展望
致谢
参考文献
攻读学位期间取得的研究成果