本文是一篇软件工程硕士论文，软件工程是研究和应用如何以系统性的、规范化的、可定量的过程化方法去开发和维护软件，以及如何把经过时间考验而证明正确的管理技术和当前能够得到的最好的技术方法结合起来。（以上内容来自百度百科）今天为大家推荐一篇软件工程硕士论文，供大家参考。
第 1 章 绪论
1.1 研究的目的和意义
汽车从发明到现在已经一个多世纪了，在现代社会，汽车已经成为人们日常生活、工作不可缺少的一部分，随着互联网的蓬勃发展，人们的生活的方方面面都有互联网的影子[1]，近年来，不仅是互联网、物联网、车联网也日益发展起来，更是为汽车领域的发展提供了无限的可能性[2-3]，在车与路、车与人、车与车之间进行通信[4]，通过大系统网络进行信息交流和数据交换[5]，不管是对于车还是对于交通管理领域都是先进性的应用[6]。车体检测与计算机完美结合，并且利用互联网得到相关车体数据[7]。车体健康数据的检测对于车体的保养、维修起到了至关重要的作用，而最近在车联网与大数据挖掘相遇后[8]，对车体健康数据的收集与分析便显得尤为至关重要，其中蕴含着的巨大商业价值和社会价值也自然不言而喻[9]。简单来说，车体健康数据，主要是运用 OBD 接口的外部应用[10]来采集汽车在行驶过程中的一些参数，主要体现在对车辆驾驶技术的数据，例如驾驶中的转速、均速、油耗、操纵次数、转向次数等信息，以及车主的急加速、急刹车、急变道次数等，能反映出车体的健康状况[11]。这些大数据的实际价值何在？其实还是很有用处的。这些汽车健康数据可以为车主提供直观的车体大概情况，时刻了解自己爱车的健康状况，必要时即使送去检查或者进行保养。不但如此，这还有助于驾驶员意识到自己驾驶习惯的问题，可以更加注意自己的开车习惯，如减少急刹车，尽量减少将车辆停放在不太好的环境中等等。对企业而言，可以针对车辆不同的易出问题提供不同的解决方法。驾驶数据对于车辆检测领域还有保险领域都是具有重要意义的，这些数据还可以间接性的反映出一些明显的驾驶习惯，而这些驾驶行为完全可以指导二次服务或者再次营销等[12]。
.........
1.2 国内外研究现状
1.2.1 国内研究现状
对企业来说，想获得行车数据就需要对应的终端设备[16]。目前，国内主流的车联网信息获取终端有三种，OBD 终端、前装车机及智能手机[17-18]。通过 OBD终端把采集上来的数据信息等[19]，通过蓝牙传输到指定设备上，这样车主就能看到自己爱车的各种指标情况[20]。前装车机，是指车辆出厂前，内置的综合性终，这种设备集数据记录、导航、娱乐等功能于一身，在中高端车辆上应用居多，由于事先定制，其与车辆的搭配更为美观、自然[21]。这两种硬件终端的优势在于功能强大，专业性强，但缺点也十分明显，由于成本高，需要添加硬件，较难占领大量市场份额，由此影响其信息采集的广度，难于形成真正的大数据[22]。而作为第三种终端，智能手机的最大特点就是普及，几乎人手一个，因此在智能手机上获得行车相关数据最为现实[23]。例如，最近高德推出的一款 APP“高德车生活”为车联网信息采集提供了又一可行性思路。该应用以智能手机为采集终端，通过调用手机自带的陀螺仪、温湿度感应器及重力感应器等装置，接入车主，对车体数据进行侦测记录，并在手机屏幕上实时显示[24]。这是一种全新的车联网信息采集思路，智能手机对于车主群体而言，几乎可算是人手一部的“标配”，零成本加无需添置额外硬件的独特优势，将信息采集源扩展到整个车主群体，信息的广度、精度都得到了保障，可形成真正意义上的车联网大数据[25]。
.........
第 2 章 预备知识
2.1 选择安卓平台的意义
Android 平台最大的优势就是它的开放性[32]，它可以接纳任何移动终端的厂商加盟使用，得到众多商家的认可并且能够与众多应用优势联系起来[33]。开放性对于 Android 的发展而言，不仅有利于扩大使用范围，而且也会因此带来竞争[34]。各个功能虽然有一定的差别，但是并不会影响其数据的处理等性能[35]。好比可以将一台手机的联系人和联系方式转移到另一台手机上[36]。Google 应用已经在互联网这片海域中越走越广。不仅仅是搜索，邮件，还有地图等已经成为用户和互联网之间的重要纽带[37]。
.......
2.2 数据挖掘相关理论
2.2.1 数据挖掘的任务
数据挖掘通常指的是运用计算机技术在大量的数据信息中通过各种应用算法挖掘出其中隐藏的信息[38]，常常通过结合运用机器学习、多元统计、模式识别等诸多方法来实现上述目标。数据挖掘的任务可以分为：分类、聚类、关联、回归、预测、序列分析等[39]，具体的介绍如下：一、分类： 分类就是在一组数据库数据当中找出某一种或者多种有相同或者相似特征的类别，从而成为一类[40]。它可以用到人群的分类、商品的分类等方面[41]。 常见的典型的分类算法有决策树算法、神经网络算法、贝叶斯算法等。二、聚类：聚类分析也称为细分，它是根据某一种属性对多个事例进行分组，每一组的各个事例都有一定的相同的属性[42]。其目的就是把相似和差异划分出来。它可以应用到市场变化趋势预测等。三、关联： 数据关联其实就是多个变量之间存在某种联系，这种联系是我们肉眼和简单计算得不到的，所以需要进行关联分析，所谓关联分析就是找出数据库中某种隐藏的关系。其实，大千世界，看似相互平行的某几种事物，其实他们是在内在存在某种关系的，这就说明我们应该善于发现。四、回归： 回归任务类的目的是确定某种模式从而来确定数值。比如线性回归方法就是利用大量的自变量和因变量来最终确定回归方程，再根据其中一个变量求出另一个变量的数值。回归分析方法被广泛地用于解释市场占有率、销售额等。五、预测： 预测技术是用数列作为输入，通过趋势变化、周期性变化等计算机知识和统计知识来对未来这些序列对应的值[43]。六、序列分析： 发现一串序列中的不同离散值，可以是 DNA 序列，也可以是购买商品的次序。序列可以是连续的也可以是离散的，如序列数据就是离散的，时间序列可以包含连续的数值[44]。
........
第 3 章 车体健康数据检测系统的需求分析.........11
3.1 引言 ........11
3.2 车体健康数据检测系统的可行性研究 ......11
3.3 车体健康数据检测系统的功能需求 ......... 13
3.3.1 系统的运行时间需求 ....... 13
3.3.2 系统的友好型界面需求 ............ 14
3.3.3 系统的可靠性需求 ........... 14
3.3.4 系统的运行环境需求 ....... 14
3.4 本章小结 ........ 15
第 4 章 车体健康数据检测系统的设计....... 17
4.1 车体健康数据检测系统的状态分类的设计 ....... 17
4.2 车体健康预测的设计 ....... 27
4.3 本章小结 ........ 39
第 5 章 车体健康数据检测系统的实现....... 41
5.1 车体健康数据传输的实现 ....... 41
5.2 车体健康状态分类的实现 ....... 43
5.3 车体健康预测的实现 ...... 53
5.4 本章小结 ........ 57
第 5 章 车体健康数据检测系统的实现
客户端的总体功能部分主要对客户端所有界面功能进行了总体的概述，其中，可以连接蓝牙进行文件的传输，也可以从手机系统内导入文件，可以实现状态分类，健康预测都做了总体的概述，在手机界面可以进行清屏设置，这就符合了友好型界面的标准，完美的实现了人机交互。本项目总体由 PC 端和移动（安卓）端两部分构成。PC 端的主要功能是通过OBD 接口采集车体在一段时间内的行驶数据，并以 excel 表格的形式保存；移动（安卓）端的主要功能是通过蓝牙通讯将 PC 端传输的数据进行接收，以及对数据的分类算法和预测算法的处理，并以图表的形式直观的显示在智能手机的页面。其中 OBD 接口采集的数据为通用车体状态数据，包括了行驶速率、车龄、行驶转速、使用天数、光照条件，操纵次数等。数据传输采用的是标准的蓝牙通讯协议。分类算法为 KNN 算法和 2σ 准则结合使用，算法结构从分类器构造到模式识别，原始数据为网上收集的真实有效的车体数据，在算法分类中对原始数据进行了加权平均数处理，分为了两类，正常和异常，正常状态又分为了六个健康等级。预测算法采用了线性回归预测算法和灰色预测算法。在移动（安卓）端使用了数据库 SQLite 来存储车体的状态数据与预测算法处理需要的原始数据，数据库主要有车体数据表（Common）和预测数据表（Forecast）两个表，后者对前者存在相对依赖。可以对已经存储的数据进行添加或删除。
.........
结 论
本课题主要研究的是车体健康数据检测系统，首先对研究此课题的目的和意义做了阐述，对目前此课题的国内外研究现状做了介绍。其次，为了实现本系统和完成对本课题的研究，对其中涉及的一些数据挖掘、安卓和蓝牙技术等做了概括。然后，对本系统做了技术和经济两方面的可行性研究，对界面、时间空间、可靠性、效率和运行环境做了需求分析。接着对整个系统的实现，其中包括实现流程，涉及的理论算法都做了说明，对核心代码进行了分析。最后，对本系统进行了科学严谨的测试，从系统功能实现层面和需求完成层面做了详细的测试。本课题主要实现了一下成果：1、本系统完成了 PC 端和手机客户端的文件传输功能，并且手机可以自身导入本地文件进行数据的检测。运用了蓝牙传输技术和手机本地文件导入技术。2、本系统运用 KNN 算法实现了对车体健康数据的分类，分为正常和非正常两类，然后可以对车辆操纵、车龄、光照条件、发动机转速、行驶速度、使用天数六种数据进行健康等级划分，然后再得出结果。3、本系统运用线性回归算法和灰色预测算法，依据数据库已有数据，对未来车体状况进行预测，预测将过多长时间达到不正常的临界健康值，并提醒用户需要将车送检。在本实验中，有很多参考其他的科学文献，运用了大量的公式理论算法等。对基本功能也全面完成，功能都能完整实现。通过对车体健康数据的检测，给用户和商业企业都带来了积极的作用，帮助他们更好的了解车体状况。这是本次研究课题的现实意义。也有很多不足之处，可以再优化改进，希望在以后的研究过程中再加以改进。
..........
参考文献（略）
提供海量毕业论文，论文格式，论文格式范文，留学生论文，商务报告相关资料检索服务。
