本文選題：電梯安全　切入點(diǎn)：數(shù)據(jù)挖掘　出處：《西安科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來,隨著電梯的使用頻率越來越高,電梯安全事故頻發(fā),由此引發(fā)的電梯安全問題引起了廣泛的關(guān)注。電梯遠(yuǎn)程監(jiān)管系統(tǒng)是一個綜合性電梯管理平臺,所采集到的電梯信息會通過GPRS無線網(wǎng)絡(luò)傳輸?shù)椒⻊?wù)器。隨著4G時代的到來,數(shù)據(jù)傳輸速率增加,數(shù)據(jù)庫中積累的數(shù)據(jù)越來越多,電梯也進(jìn)入了大數(shù)據(jù)時代。本課題的主要內(nèi)容是基于Hadoop對海量的電梯數(shù)據(jù)進(jìn)行挖掘分析,設(shè)計并實(shí)現(xiàn)了一個基于Hadoop的數(shù)據(jù)挖掘系統(tǒng),主要包括四個模塊:數(shù)據(jù)導(dǎo)入導(dǎo)出模塊,數(shù)據(jù)預(yù)處理模塊,數(shù)據(jù)挖掘模塊和調(diào)度模塊。其中,數(shù)據(jù)導(dǎo)入導(dǎo)出模塊的作用是實(shí)現(xiàn)關(guān)系型數(shù)據(jù)庫SQL Server與HDFS的數(shù)據(jù)傳輸;數(shù)據(jù)預(yù)處理模塊的主要目的是對電梯數(shù)據(jù)進(jìn)行清洗,其原因是原始的數(shù)據(jù)中包含有大量的“臟數(shù)據(jù)”,若不進(jìn)行預(yù)處理會對挖掘結(jié)果造成一定的影響;數(shù)據(jù)挖掘模塊是本課題的核心模塊,其作用是實(shí)現(xiàn)對電梯數(shù)據(jù)的挖掘工作,該模塊實(shí)現(xiàn)了兩種改進(jìn)的算法,一種是聚類分析算法一 K-Means,另一種是關(guān)聯(lián)規(guī)則算法—Apriori。最后通過調(diào)度模塊將所有的模塊整合起來,使其成為一個完整的系統(tǒng)。本課題以電梯遠(yuǎn)程監(jiān)管系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)作為數(shù)據(jù)源,對改進(jìn)前后的兩種算法分別在Hadoop平臺上進(jìn)行實(shí)驗(yàn),并從加速比和可擴(kuò)展性兩方面進(jìn)行了比較分析,結(jié)果表明兩種改進(jìn)后的算法的性能均有很大的提升。利用改進(jìn)后的兩種算法分別對電梯數(shù)據(jù)進(jìn)行聚類分析與關(guān)聯(lián)規(guī)則挖掘,不但提高了算法的效率,而且保證了數(shù)據(jù)挖掘的充分性,為電梯安全可靠性分析提供了支持。
[Abstract]:In recent years, with the increasing frequency of elevator use and frequent accidents of elevator safety, the elevator safety problems caused by it have aroused widespread concern. The elevator remote supervision system is a comprehensive elevator management platform. The elevator information collected will be transmitted to the server via the GPRS wireless network. With the arrival of the 4G era, the data transmission rate will increase, and more and more data will accumulate in the database. Elevator has also entered big data era. The main content of this subject is to mine and analyze mass elevator data based on Hadoop, and design and implement a data mining system based on Hadoop, which includes four modules: data import and export module. Data preprocessing module, data mining module and scheduling module. Among them, the function of data import and export module is to realize the data transmission between relational database SQL Server and HDFS, the main purpose of data preprocessing module is to clean elevator data. The reason is that the raw data contains a large number of "dirty data", if not pre-processing will have a certain impact on the mining results; data mining module is the core module of this topic, its role is to achieve the elevator data mining work, This module implements two improved algorithms, one is clustering analysis algorithm K-Means, the other is association rule algorithm -Apriori.Finally, all the modules are integrated by scheduling module. In this paper, the data in the database of elevator remote supervision system is used as the data source, and the two algorithms before and after the improvement are experimented on the Hadoop platform. The comparison and analysis of speedup and extensibility show that the performance of the two improved algorithms is greatly improved. The two improved algorithms are used for clustering analysis and association rule mining of elevator data respectively. It not only improves the efficiency of the algorithm, but also ensures the adequacy of data mining, and provides support for elevator safety and reliability analysis.
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP311.13;TU857

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林穗賢;;大數(shù)據(jù)時代下的電梯預(yù)診斷[J];機(jī)電工程技術(shù);2016年07期

2 萬曉燕;陳姍;;基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)研究[J];現(xiàn)代計算機(jī)(專業(yè)版);2015年14期

3 趙莉;候興哲;胡君;傅宏;孫洪亮;;基于改進(jìn)k-means算法的海量智能用電數(shù)據(jù)分析[J];電網(wǎng)技術(shù);2014年10期

4 王海榮;劉珂;;基于Hadoop的海量數(shù)據(jù)存儲系統(tǒng)設(shè)計[J];科技通報;2014年09期

5 孫趙旭;謝曉蘭;周國清;倪金生;胡莘;;基于Hadoop的Apriori算法與實(shí)現(xiàn)[J];桂林理工大學(xué)學(xué)報;2014年03期

6 李社;;積極發(fā)展大數(shù)據(jù)產(chǎn)業(yè)[J];理論與當(dāng)代;2014年08期

7 顏豐;張琳;;一種混合模式的協(xié)同過濾算法[J];現(xiàn)代計算機(jī)(專業(yè)版);2014年14期

8 王鑫;王喻紅;于嬌;葛冬梅;;MapReduce框架下Aprioi算法的改進(jìn)[J];黑龍江工程學(xué)院學(xué)報;2014年02期

9 呂本富;陳健;;大數(shù)據(jù)預(yù)測研究及相關(guān)問題[J];科技促進(jìn)發(fā)展;2014年01期

10 陳吉榮;樂嘉錦;;基于Hadoop生態(tài)系統(tǒng)的大數(shù)據(jù)解決方案綜述[J];計算機(jī)工程與科學(xué);2013年10期

相關(guān)碩士學(xué)位論文 前10條

1 胡琴琴;基于Hadoop的數(shù)據(jù)可視化技術(shù)研究與應(yīng)用[D];北方工業(yè)大學(xué);2016年

2 蘇蓉;基于Hadoop平臺的安全日志聚類挖掘算法研究與應(yīng)用[D];西北大學(xué);2015年

3 李芳;K-Means算法的k值自適應(yīng)優(yōu)化方法研究[D];安徽大學(xué);2015年

4 劉榮燦;電梯安全遠(yuǎn)程監(jiān)管系統(tǒng)終端的研制[D];西安科技大學(xué);2014年

5 柳玉巧;聚類分析和關(guān)聯(lián)規(guī)則技術(shù)在成績分析中的研究及應(yīng)用[D];華中師范大學(xué);2014年

6 劉書志;基于密度的局部離群數(shù)據(jù)挖掘方法的研究和改進(jìn)[D];重慶大學(xué);2014年

7 范小剛;基于k近鄰樹的離群檢測算法研究[D];重慶大學(xué);2014年

8 胡婷婷;數(shù)據(jù)挖掘中的離群點(diǎn)檢測算法研究[D];廈門大學(xué);2014年

9 楊超;Apriori關(guān)聯(lián)規(guī)則挖掘算法在高校教學(xué)管理系統(tǒng)中的應(yīng)用研究[D];電子科技大學(xué);2013年

10 程艷柳;基于云計算的智能電網(wǎng)數(shù)據(jù)挖掘的研究[D];華北電力大學(xué);2013年

，

本文編號：1630536