版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、橋梁是公路交通的重要組成部分,保證橋梁的運營安全極為重要。橋梁健康監(jiān)測是一種通用的管理辦法,監(jiān)測數(shù)據(jù)處理是其中的一個核心內(nèi)容。隨著時間的推移,橋梁監(jiān)測系統(tǒng)會累積越來越多的數(shù)據(jù),而傳統(tǒng)的數(shù)據(jù)處理技術(shù)在面對日益增長的數(shù)據(jù)存儲與處理時壓力越來越大。Hadoop是一種流行的大數(shù)據(jù)處理平臺,它以HDFS分布式文件存儲系統(tǒng)及MapReduce計算框架為核心,Hive、Sqoop等工具為枝干,形成了一個完整的大數(shù)據(jù)處理生態(tài)系統(tǒng),使用Hadoop處理大
2、量橋梁監(jiān)測數(shù)據(jù),具有理論意義及現(xiàn)實價值。數(shù)據(jù)挖掘是常用的一種數(shù)據(jù)處理手段,孤立點挖掘是其中的熱門研究之一,目前在許多行業(yè)與領(lǐng)域如網(wǎng)絡(luò)入侵檢測、天氣預(yù)報等都有所應(yīng)用,而在橋梁監(jiān)測領(lǐng)域,孤立點數(shù)據(jù)的挖掘研究還沒有得到足夠重視。本文主要研究基于Hadoop的橋梁監(jiān)測數(shù)據(jù)孤立點挖掘方案,研究內(nèi)容體現(xiàn)在以下幾個方面:
第一,針對K-近鄰孤立點算法開銷大的缺點,結(jié)合劃分思想、聚類思想及最小限界矩陣?yán)碚撨M行了改進,提出一種基于k-均值聚類劃
3、分的k-近鄰孤立點算法(KMKNN)。該算法首先對數(shù)據(jù)集進行均值聚類,以聚類結(jié)果作為劃分依據(jù)把數(shù)據(jù)集分成不同區(qū)域,判斷每個區(qū)域是否包含孤立點,對不存在孤立點的區(qū)域進行剪枝處理,最后對包含孤立點的候選區(qū)域中的數(shù)據(jù)進行k-近鄰計算,得到孤立點。實驗表明,改進算法相比原始K-近鄰算法提高了運算效率。
第二,KMKNN算法的缺點在于對數(shù)據(jù)集進行K-均值聚類時,需要給定聚類數(shù)目且隨機選取初始聚類中心,得到的聚類結(jié)果精度不高,使得最終得到
4、的孤立點不準(zhǔn)確。因此,對KMKNN算法進行改進,使用Canopy聚類計算初始聚類數(shù)目,使用最大最小距離算法計算初始聚類中心,提出一種基于Canopy與最大最小距離算法的均值聚類劃分k-近鄰算法(CMM-KMKNN)。實驗表明,改進算法提高了聚類精度及孤立點精度。
第三,由于KMKNN及CMM-KMKNN算法需要對數(shù)據(jù)進行大量迭代計算操作,算法開銷大,因此搭建了一個Hadoop集群實驗環(huán)境,對KMKNN與CMM-KMKNN算法實
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于HADOOP的數(shù)據(jù)挖掘研究.pdf
- 基于數(shù)據(jù)挖掘的橋梁監(jiān)測數(shù)據(jù)分析.pdf
- 基于云理論與數(shù)據(jù)場的空間孤立點挖掘研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的橋梁監(jiān)測數(shù)據(jù)挖掘.pdf
- 橋梁健康監(jiān)測數(shù)據(jù)的數(shù)據(jù)挖掘模型.pdf
- 基于Hadoop平臺的數(shù)據(jù)挖掘算法研究.pdf
- 基于Hadoop的數(shù)據(jù)挖掘技術(shù)研究.pdf
- 基于Hadoop的數(shù)據(jù)挖掘算法的研究.pdf
- 基于孤立點的數(shù)據(jù)挖掘研究及其在稅務(wù)決策系統(tǒng)中的應(yīng)用.pdf
- 基于Hadoop平臺的醫(yī)保數(shù)據(jù)挖掘.pdf
- 基于Hadoop的海量小型XML數(shù)據(jù)挖掘的研究.pdf
- Hadoop下基于數(shù)量關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘研究.pdf
- 基于Hadoop平臺的頻繁項數(shù)據(jù)挖掘算法研究.pdf
- 基于Hadoop技術(shù)的氣象數(shù)據(jù)采集及數(shù)據(jù)挖掘平臺的研究.pdf
- 基于孤立點的數(shù)據(jù)挖掘研究及其在計算機審計系統(tǒng)中的應(yīng)用.pdf
- 基于Hadoop的橋梁健康監(jiān)測物聯(lián)網(wǎng)應(yīng)用研究.pdf
- 基于Hadoop平臺的并行數(shù)據(jù)挖掘算法研究.pdf
- 基于Hadoop多維時態(tài)數(shù)據(jù)挖掘模型的研究與應(yīng)用.pdf
- 基于Hadoop的孤立點檢測算法研究.pdf
- 基于Hadoop的物流歷史數(shù)據(jù)聚類挖掘研究.pdf
評論
0/150
提交評論