預警機（AWACS）執(zhí)行任務時記錄的海量數據蘊含著豐富的有價值信息,為了提升信息作戰(zhàn)能力,就需要對大量的預警機情報數據進行分析。如何從海量數據中提取信息以便為情報分析服務,怎樣提升海量數據信息情報挖掘的高效性與準確性,對提高情報質量和提升作戰(zhàn)能力具有十分重要的意義,一直是傳統(tǒng)數據分析面對的重大難題。新興的云計算技術為上述問題提供了新的有效解決途徑,其使用分布式的計算技術來實現大規(guī)模并行計算,大大提升了數據處理能力,且可隨時快速動態(tài)的提供大量廉價計算能力,因而將云計算技術應用于預警機海量數據挖掘,可望突破傳統(tǒng)數據挖掘的瓶頸限制,有效提升情報挖掘的效率。本文根據某型預警機情報分析對海量雷達探測情報數據挖掘的需求,從云計算框架Hadoop入手,依托其分布式框架,研究了Map/Reduce計算框架運行機理,提出了基于Map/Reduce的改進型數據挖掘算法,并將該算法應用于預警機探測情報信息分析平臺。主要工作與創(chuàng)新點有:1.為了給情報提供高質量的挖掘數據,對數據準備階段的數據規(guī)范化進行了研究,深入分析了傳統(tǒng)規(guī)范化方式存在的主要問題,針對存在的問題提出了基于Hadoop平臺的數據規(guī)范化方法,通過... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數】：60 頁

【學位級別】：碩士

【部分圖文】：

數據挖掘模型與任務

是許多先進技術的綜合應用，它是利用具體算法從大量信息。這些數據源從數據組織形態(tài)上可分為結構性數據源結構性數據源。典型的數據源包括：關型系數據庫、邏輯庫、圖像和音頻數據源以及視頻數據源等。的挖掘過程包括：理解應用領域、相關的背景知識和最個數據集、數據規(guī)范化處理和預處理、數據轉換、選擇解釋已挖掘的模式，如圖 1-3 所示。

J 側偏角 me 當前時間 pe 地心方位分量 地心方位分量 任務中心點經度 任務中心點緯度 地心方位速度分 地心方位速度分 地心方位速度分化處理方法必須要將原簡化代碼編寫過程，經規(guī)范化處理時，前文表據規(guī)范化處理能夠滿足范化處理流程，如圖

【參考文獻】：
期刊論文
[1]基于HADOOP的數據挖掘平臺分析與設計[J]. 羅剛.  電子世界. 2013(18)
[2]云計算環(huán)境下基于MapReduce的Apriori算法研究[J]. 譚國強,張丹平.  江西通信科技. 2012(02)
[3]中國預警機的前世今生[J]. 顏慧.  百科知識. 2012(10)
[4]MapReduce原理及其主要實現平臺分析[J]. 亢麗蕓,王效岳,白如江.  現代圖書情報技術. 2012(02)
[5]基于云計算的分布式數據挖掘算法研究[J]. 王超鵬,梁正科,李強.  硅谷. 2012(04)
[6]數據挖掘與云計算——專訪中國科學院計算技術研究所何清博士[J]. 張誠,郭毅.  數字通信. 2011(03)
[7]基于擴展樹狀知識庫的海量數據清洗算法[J]. 燕彩蓉,孫圭寧,高念高.  計算機工程與應用. 2010(28)
[8]面向大規(guī)模數據庫的數據挖掘系統(tǒng)的設計[J]. 張毅.  科技傳播. 2010(07)
[9]面向數據特征的分布式數據挖掘研究[J]. 華銓平.  計算機工程與設計. 2010(06)
[10]云計算下的海量數據挖掘研究[J]. 王鄂,李銘.  現代計算機(專業(yè)版). 2009(11)

碩士論文
[1]基于Hadoop的動車組故障數據關聯規(guī)則挖掘研究與實現[D]. 胡輝.北京交通大學 2015
[2]一種海量結構化數據處理技術研究[D]. 劉長城.復旦大學 2012
[3]基于云計算的數據挖掘技術研究[D]. 李妍.石家莊經濟學院 2012
[4]云計算環(huán)境下的關聯數據挖掘算法實現[D]. 趙虎.電子科技大學 2011
[5]基于HADOOP的數據挖掘研究[D]. 楊宸鑄.重慶大學 2010
[6]基于Hadoop的分布式搜索引擎研究與實現[D]. 封俊.太原理工大學 2010
[7]云計算及若干數據挖掘算法的MapReduce化研究[D]. 李軍華.電子科技大學 2010



本文編號：3466631