基于MapReduce的电气产品标准化零部件识别开题报告

1. 研究目的与意义（文献综述）

1.1目的、意义

随着生产模式的改变，企业的生产模式逐渐由大批量生产转变为大规模定制，这就要求企业必须按照客户的需求快速的完成产品设计，而在制造业的产品设计和制造过程中会产生大量的相关数据，这些数据包括设计参数、加工状态、环境参数、工艺参数等，一般这些数据都会被记录和存档，但这些数据因为缺乏高效可靠的分析工具，一般只能作报表和汇总用途，而对其隐含的非常宝贵的知识财富却不能加以利用，无法将企业已经拥有的产品数据用于辅助产品快速设计中，这无形中造成了巨大的浪费；另一方面由于企业在行业中积累，数据变得越来越庞大，进而演化为对大数据信息进行分析处理。

随着数据量以指数爆炸的形式增长，面对这些海量的数据,传统的信息检索机制和统计分析方法只能获得这些数据的表层信息，不能充分利用丰富的数据资源,这远远满足不了人们对数据内部隐含的、有价值的信息和知识获得的需求。并且由于数据量的飞速增长，这要求企业需要建立起高吞吐量、高安全性、高可靠性和可扩展的存储系统。同时存储如此海量数据的集群规模也会很大，如果集群中都是高端服务器，成本会成为企业的一个负担。如何以最低的成本和最快的效率来对这些海量数据进行处理与应用，成为数据挖掘领域的一大研究热点。

2. 研究的基本内容与方案

2.1本设计的基本内容、目标

本设计以hadoop为开发平台，根据产品信息数据库中已有零部件信息提取相应的属性和企业需求，利用mapreduce框架，结合分布式挖掘算法，开发大数据处理挖掘程序，将不同零部件模型及相关信息进行归类，并在前端编写电气产品标准化零部件识别查询界面。

2.2拟采用的技术方案及措施

3. 研究计划与安排

4. 参考文献（12篇以上）

[1]p.p.anchalia,a.k.koundinya,n.k.srinath.mapreducedesignofkmeansclusteringalgorithm[c].informationscienceandapplications，2013internationalconference.2013，18(5):78-99.

[2]z.q.liu,h.li,g.s.miao.mapreducebasedbackpropagationneuralnetworkoverlargescalemobiledata[c].2010sixthinternationalconferenceonnaturalcomputation(icnc).2010，1726-1730.

[3]yanglai,shizhongzhi.anefficientdatamingframeworkonhadoopusingjavapersistenceapi.201010thieeeinternationalconferenceoncomputerandinformationtechnology(cit2010).