科技创业月刊
科技創業月刊
과기창업월간
PIONEERING WITH SCIENCE & TECHNOLOGY MONTHLY
2015年
5期
95-98
,共4页
Hadoop平台%大数据%KNN文本分类算法%HDFS
Hadoop平檯%大數據%KNN文本分類算法%HDFS
Hadoop평태%대수거%KNN문본분류산법%HDFS
针对桥梁健康监测获取海量数据却无法实时精确地监测评估桥梁结构状态的困难性,本立足数据挖掘算法理论,在Hadoop平台下运用KNN文本分类算法对桥梁结构缩尺模型加速度数据进行分类分析,采用分布式文件系统HDFS对监测数据进行存储和访问,应用Map/Reduce并行计算框架对桥梁各环境参数进行计算,并据此判断监测点属于何种工况,实现了桥梁监测海量数据的存储、访问、分类以及桥梁结构健康状况的判别,通过实验室缩尺模型工程实例验证了理论的有效性.实验结果表明,与传统的串行分类算法相比,基于Hadoop平台的并行分类算法具有较好的扩展性,并取得了基于大数据理论的桥梁监测技术研究的革新.
針對橋樑健康鑑測穫取海量數據卻無法實時精確地鑑測評估橋樑結構狀態的睏難性,本立足數據挖掘算法理論,在Hadoop平檯下運用KNN文本分類算法對橋樑結構縮呎模型加速度數據進行分類分析,採用分佈式文件繫統HDFS對鑑測數據進行存儲和訪問,應用Map/Reduce併行計算框架對橋樑各環境參數進行計算,併據此判斷鑑測點屬于何種工況,實現瞭橋樑鑑測海量數據的存儲、訪問、分類以及橋樑結構健康狀況的判彆,通過實驗室縮呎模型工程實例驗證瞭理論的有效性.實驗結果錶明,與傳統的串行分類算法相比,基于Hadoop平檯的併行分類算法具有較好的擴展性,併取得瞭基于大數據理論的橋樑鑑測技術研究的革新.
침대교량건강감측획취해량수거각무법실시정학지감측평고교량결구상태적곤난성,본립족수거알굴산법이론,재Hadoop평태하운용KNN문본분류산법대교량결구축척모형가속도수거진행분류분석,채용분포식문건계통HDFS대감측수거진행존저화방문,응용Map/Reduce병행계산광가대교량각배경삼수진행계산,병거차판단감측점속우하충공황,실현료교량감측해량수거적존저、방문、분류이급교량결구건강상황적판별,통과실험실축척모형공정실례험증료이론적유효성.실험결과표명,여전통적천행분류산법상비,기우Hadoop평태적병행분류산법구유교호적확전성,병취득료기우대수거이론적교량감측기술연구적혁신.
