CPS技術(shù)正對(duì)物理世界和信息世界的交互方式產(chǎn)生著潛移默化的影響。信息物理融合系統(tǒng)集嵌入式計(jì)算、傳感、網(wǎng)絡(luò)通信控制于一體,為智能化社會(huì)的建設(shè)提供巨大支持,隨著信息物理融合系統(tǒng)蓬勃發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)資源進(jìn)入爆炸增長(zhǎng)時(shí)代,要實(shí)現(xiàn)實(shí)時(shí)存儲(chǔ)、處理分析,滿足人們的迫切需求,就需要將基于大數(shù)據(jù)的信息物理融合系統(tǒng)作為發(fā)展重點(diǎn)。為了滿足不同巨量數(shù)據(jù)用戶的目的與需求,各種異構(gòu)數(shù)據(jù)融合和處理推薦算法陸續(xù)被提出來(lái)與運(yùn)用,其中最為著名的是協(xié)同過(guò)濾推薦算法。根據(jù)過(guò)去的研究,雖然協(xié)同過(guò)濾推薦算法很成功地應(yīng)用在推薦系統(tǒng)領(lǐng)域中,但仍然存在著諸多困擾,如擴(kuò)展性、冷啟動(dòng)及數(shù)據(jù)稀疏性等,數(shù)據(jù)處理質(zhì)量都會(huì)受到上述困擾影響而降低。因此,本研究使用正�；謴�(fù)相似性度量以修正協(xié)同過(guò)濾推薦算法的誤差值,并在云端Hadoop環(huán)境中,比較測(cè)量在3、6以及9個(gè)節(jié)點(diǎn)情況下與單機(jī)執(zhí)行的時(shí)間,分析改進(jìn)協(xié)同過(guò)濾算法的加速比及效能,主要的內(nèi)容和貢獻(xiàn)如下:1.以基于用戶的協(xié)同過(guò)濾算法為基礎(chǔ),采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)協(xié)同過(guò)濾算法的正�；謴�(fù)相似性度量方法進(jìn)行改進(jìn),以完善協(xié)同過(guò)濾推薦算法計(jì)算誤差,提高CPS數(shù)據(jù)處理的時(shí)間加速比。2.搭建實(shí)驗(yàn)環(huán)境,在Hadoop平臺(tái)上... 

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究的主要內(nèi)容和章節(jié)安排
第二章 相關(guān)技術(shù)與理論概述
    2.1 物聯(lián)網(wǎng)異構(gòu)數(shù)據(jù)傳輸協(xié)議
        2.1.1 網(wǎng)絡(luò)層的傳輸協(xié)議
        2.1.2 應(yīng)用層的傳輸協(xié)議
    2.2 物聯(lián)網(wǎng)的服務(wù)發(fā)現(xiàn)
    2.3 協(xié)同過(guò)濾算法
        2.3.1 協(xié)同過(guò)濾算法的數(shù)據(jù)收集
        2.3.2 數(shù)據(jù)預(yù)處理
        2.3.3 使用者為基礎(chǔ)的協(xié)同過(guò)濾
    2.4 BP神經(jīng)網(wǎng)絡(luò)
    2.5 Apache Hadoop
        2.5.1 Map Reduce
        2.5.2 分布式文件系統(tǒng)
        2.5.3 Apache Mahout
第三章 基于BP神經(jīng)網(wǎng)絡(luò)和協(xié)同過(guò)濾算法的數(shù)據(jù)處理推薦算法研究
    3.1 算法改進(jìn)思想
    3.2 算法改進(jìn)
        3.2.1 協(xié)同過(guò)濾程序
        3.2.2 皮爾森相關(guān)系數(shù)
        3.2.3 正�；謴�(fù)相似性度量
第四章 基于改進(jìn)協(xié)同過(guò)濾算法的數(shù)據(jù)處理實(shí)現(xiàn)
    4.1 實(shí)驗(yàn)環(huán)境
    4.2 基于用戶的協(xié)同過(guò)濾算法實(shí)現(xiàn)
    4.3 算法加速比比較分析
    4.4 分析時(shí)間的比較
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]采用評(píng)論挖掘修正用戶評(píng)分的改進(jìn)協(xié)同過(guò)濾算法[J]. 王紅霞,陳健,程艷芬.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(03)
[2]基于NB-IoT及ZigBee的無(wú)線傳感器網(wǎng)絡(luò)網(wǎng)關(guān)設(shè)計(jì)[J]. 李玲,郭曉玲,武仁杰,徐婷.  通信技術(shù). 2019(01)
[3]加權(quán)自學(xué)習(xí)哈希高維數(shù)據(jù)最近鄰查詢算法[J]. 熊一利.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(12)
[4]基于線性四分樹的空間關(guān)鍵詞最近鄰查詢方法研究[J]. 于啟迪,吳雷,馬昂.  計(jì)算機(jī)應(yīng)用與軟件. 2018(11)
[5]時(shí)空大數(shù)據(jù)背景下并行數(shù)據(jù)處理分析挖掘的進(jìn)展及趨勢(shì)[J]. 關(guān)雪峰,曾宇媚.  地理科學(xué)進(jìn)展. 2018(10)
[6]基于搜索改進(jìn)的KNN文本分類算法[J]. 殷亞博,楊文忠,楊慧婷,許超英.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)
[7]基于Hadoop、Spark及Flink大規(guī)模數(shù)據(jù)分析的性能評(píng)價(jià)[J]. 代明竹,高嵩峰.  中國(guó)電子科學(xué)研究院學(xué)報(bào). 2018(02)
[8]神經(jīng)網(wǎng)絡(luò)模型壓縮方法綜述[J]. 曹文龍,芮建武,李敏.  計(jì)算機(jī)應(yīng)用研究. 2019(03)
[9]基于MQTT的物聯(lián)網(wǎng)系統(tǒng)消息發(fā)布/訂閱方法研究[J]. 張玉杰,張海濤,張婷婷.  電視技術(shù). 2017(Z3)
[10]一種基于Spark與BP神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)方法[J]. 王輝,王勇,柯文龍.  電腦知識(shí)與技術(shù). 2017(16)

博士論文
[1]不確定TOP-K查詢處理關(guān)鍵技術(shù)研究[D]. 肖國(guó)慶.湖南大學(xué) 2017
[2]面向信息物理融合系統(tǒng)的資源索引構(gòu)建和查詢優(yōu)化技術(shù)研究[D]. 馬武彬.國(guó)防科學(xué)技術(shù)大學(xué) 2014

碩士論文
[1]家庭用電智能管理系統(tǒng)的研究[D]. 丁雨彤.華東交通大學(xué) 2018
[2]基于Zigbee+WiFi技術(shù)的智能家居網(wǎng)關(guān)系統(tǒng)的研究與設(shè)計(jì)[D]. 張保森.上海師范大學(xué) 2018
[3]基于COS系統(tǒng)的藍(lán)牙4.0低功耗的研究與實(shí)現(xiàn)[D]. 趙小燕.東南大學(xué) 2016
[4]實(shí)時(shí)數(shù)據(jù)流的聚類和聚類邊界檢測(cè)[D]. 梁小波.武漢科技大學(xué) 2012
[5]基于Zigbee協(xié)議的無(wú)線網(wǎng)絡(luò)軟硬件研究與設(shè)計(jì)[D]. 胡鵬飛.電子科技大學(xué) 2012



本文編號(hào)：3726527