版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著交通、GPS監(jiān)控等方面數(shù)據(jù)量的海量增長,伴隨出現(xiàn)交通實時路況延時性、交通預測不準確等現(xiàn)象,對流式數(shù)據(jù)的實時處理提出更高的要求,挖掘交通熱點區(qū)域成為交通領域研究熱點;盡管目前對交通領域流式數(shù)據(jù)聚類的研究已取得顯著成就,但仍存在聚類時效性、伸縮性差,不可實現(xiàn)任意形狀類簇等缺點。因此,為高精度實時的挖掘交通熱點區(qū)域,減少城市交通擁堵和方便資源調度,提出兩階段快速流式數(shù)據(jù)聚類框架并在Storm集群下實現(xiàn)并行化。
本文提出的兩階段快
2、速流式數(shù)據(jù)聚類框架(Canopy-Kmeans,簡稱CK)針對流式數(shù)據(jù),在線階段選擇改進Canopy算法粗聚類產生宏簇并緩存概要信息;離線階段使用Kmeans算法細聚類;引入滑動時間窗口并抽取概要信息以自動確定Kmeans初始輸入和微簇時間標志。為增加聚類實時性,將CK算法在Storm集群并行化,提出并行化流式數(shù)據(jù)聚類算法(Parallel-Canopy-Kmeans,簡稱PCK)并實現(xiàn)。
為驗證PCK算法性能,選取測試數(shù)據(jù)集
3、對PCK、CK、Kmeans進行聚類就準確性、執(zhí)行時間對比;對PCK自身就擴展性對比。為提高交通熱點區(qū)域挖掘的可行性,選取北京市某七天的出租車定位數(shù)據(jù)模擬流式數(shù)據(jù),使用PCK算法聚類生成微簇集合并結合熱力圖和電子地圖可視化表達。實驗結果表明:生成的交通熱力圖可直觀地發(fā)現(xiàn)出租車活動較為頻繁的熱點區(qū)域和線路,且與日常出行經驗相符合;生成的微簇集合可實現(xiàn)用戶在任意時間窗口范圍內交通狀況實時查詢,提高流式數(shù)據(jù)的聚類質量的同時保證交通路況預測實時
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 流式數(shù)據(jù)的并行聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法的并行優(yōu)化研究.pdf
- 數(shù)據(jù)挖掘分類與聚類算法并行化研究.pdf
- 數(shù)據(jù)挖掘中的聚類方法及其應用研究.pdf
- 模糊聚類在電信數(shù)據(jù)挖掘中的研究與應用.pdf
- 數(shù)據(jù)挖掘聚類算法在CRM中的研究與應用.pdf
- 數(shù)據(jù)挖掘技術及其聚類方法在審計中的應用.pdf
- 譜聚類在離群數(shù)據(jù)挖掘中的應用研究.pdf
- 一種聚類算法的并行化改進及其在微博用戶聚類中的應用.pdf
- 數(shù)據(jù)挖掘算法的并行化研究及其應用.pdf
- 模糊聚類算法及其在文本挖掘中的應用.pdf
- 基于數(shù)據(jù)挖掘聚類算法的研究及其應用.pdf
- 基于聚類的數(shù)據(jù)挖掘技術在稅源專業(yè)化管理中的應用.pdf
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應用.pdf
- 分布式圖聚類及其在電子商務數(shù)據(jù)挖掘中的應用.pdf
- 數(shù)據(jù)挖掘相關算法研究及其在云計算中的并行化.pdf
- 基于聚類的數(shù)據(jù)挖掘在電信客戶細分中的應用.pdf
- 聚類算法在Web挖掘中的應用.pdf
- 數(shù)據(jù)挖掘在隧道交通中的應用.pdf
- K-Means聚類算法在犯罪數(shù)據(jù)挖掘中的應用.pdf
評論
0/150
提交評論