SPARK下基于实时数据流的船舶轨迹聚类算法研究与实现开题报告
2021-03-08 23:14:04
1. 研究目的与意义(文献综述)
目的和意义:
本文的研究目的在于吸收和借鉴目前已有的网格和密度算法,在spark环境下,提出一种基于实时ais数据流特点的网格和密度的轨迹聚类算法,使海上船舶轨迹聚类效率大幅度提高,准确度更强。
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
2. 研究的基本内容与方案
基本内容与目标:
1)基于ais数据流特点,设计基于密度和网格的船舶轨迹聚类算法。
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
3. 研究计划与安排
1. 2017/1/14—2017/2/22:明确选题,查阅相关文献,外文翻译和撰写开题报告;
2. 2017/2/23—2017/4/30:系统架构,系统设计与开发(或算法研究与设计)、系统测试、分析、比较与完善;
3. 2017/5/1—2017/5/25:撰写论文初稿;修改论文,定稿并提交论文评审;
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
4. 参考文献(12篇以上)
[1] 邢长征,王晓旭. 基于扩展网格和密度的数据流聚类算法[j].人工智能及识别技术,2014,40(12):188-194.
[2] 刘卓,杨悦,张健沛,杨静,初妍,张泽宝. 不确定度模型下数据流自适应网格密度聚类算法[j]. 计算机研究与发展,2014,51(11):2518-2527.
剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付