| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第9-15页 |
| 1.1 研究背景及选题意义 | 第9-11页 |
| 1.2 课题来源 | 第11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 主要研究内容 | 第12-13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第2章 云计算技术研究 | 第15-23页 |
| 2.1 云计算技术 | 第15-18页 |
| 2.1.1 云计算服务形式 | 第15-16页 |
| 2.1.2 云计算特点及关键技术 | 第16-18页 |
| 2.2 Hadoop 平台 | 第18-22页 |
| 2.2.1 HDFS 架构 | 第18-19页 |
| 2.2.2 基于 MapReduce 的并行编程模型 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 聚类技术研究 | 第23-31页 |
| 3.1 数据挖掘概念 | 第23页 |
| 3.2 聚类分析 | 第23-28页 |
| 3.2.1 聚类分析中的数据结构 | 第25页 |
| 3.2.2 相异度计算 | 第25-26页 |
| 3.2.3 常见的聚类算法 | 第26-28页 |
| 3.3 K 均值算法及初值研究 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于 Hadoop 平台的优化 K 均值算法 | 第31-44页 |
| 4.1 K 均值算法的优化 | 第31-32页 |
| 4.2 优化的 k 均值算法并行化 | 第32-40页 |
| 4.2.1 MRDKMeansDriver 类 | 第33页 |
| 4.2.2 MRDKMapper 类 | 第33-34页 |
| 4.2.3 MRDKCombiner 类 | 第34-35页 |
| 4.2.4 MRDKReducer 类 | 第35-36页 |
| 4.2.5 MRDKCenter 类 | 第36-37页 |
| 4.2.6 MRDK-means 算法流程图 | 第37-39页 |
| 4.2.7 时间复杂度分析 | 第39-40页 |
| 4.3 实验验证与数据分析 | 第40-43页 |
| 4.3.1 Hadoop 实验平台 | 第40页 |
| 4.3.2 数据测试 | 第40-41页 |
| 4.3.3 运行效率分析 | 第41-42页 |
| 4.3.4 加速比分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 应用与实现 | 第44-56页 |
| 5.1 系统需求分析 | 第44页 |
| 5.2 总体设计 | 第44-46页 |
| 5.2.1 系统环境 | 第44-45页 |
| 5.2.2 系统架构 | 第45-46页 |
| 5.2.3 功能模块组成 | 第46页 |
| 5.3 数据建模 | 第46-49页 |
| 5.3.1 逻辑设计 | 第46-48页 |
| 5.3.2 物理设计 | 第48-49页 |
| 5.4 ETL 模块设计与实现 | 第49-50页 |
| 5.5 数据分析模块设计与实现 | 第50-52页 |
| 5.5.1 客户聚类分析 | 第50-52页 |
| 5.5.2 数据关联 | 第52页 |
| 5.6 催缴管理模块设计与实现 | 第52-54页 |
| 5.7 其它模块设计与实现 | 第54-55页 |
| 5.7.1 代维管理模块 | 第55页 |
| 5.7.2 接口管理 | 第55页 |
| 5.7.3 系统管理 | 第55页 |
| 5.8 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 本文总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |