基于Hadoop的校园卡数据挖掘的研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 大数据环境下的数据挖掘现状 | 第8-10页 |
| 1.2.2 校园卡数据应用及研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 Hadoop相关技术 | 第13-24页 |
| 2.1 HDFS文件系统 | 第13-18页 |
| 2.1.1 1HDFS的体系结构 | 第13-15页 |
| 2.1.2 HDFS的元数据管理 | 第15-16页 |
| 2.1.3 HDFS的读写文件流程 | 第16-18页 |
| 2.2 MapReduce计算模型 | 第18-21页 |
| 2.2.1 Shuffle | 第18-19页 |
| 2.2.2 Yarn | 第19-21页 |
| 2.3 Hive | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 数据挖掘算法 | 第24-30页 |
| 3.1 关联规则挖掘算法 | 第24-26页 |
| 3.1.1 关联规则概念 | 第24-25页 |
| 3.1.2 Fp-Growth算法 | 第25-26页 |
| 3.2 决策树分类算法 | 第26-29页 |
| 3.2.1 决策树基本概念 | 第26-27页 |
| 3.2.2 常见划分策略 | 第27-28页 |
| 3.2.3 剪枝处理 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 数据挖掘方案设计 | 第30-34页 |
| 4.1 体系结构 | 第30-31页 |
| 4.2 挖掘主题 | 第31-33页 |
| 4.2.1 就餐人数统计分析 | 第31页 |
| 4.2.2 在校贫困学生挖掘 | 第31-32页 |
| 4.2.3 学生就餐地点选择关联分析 | 第32-33页 |
| 4.3 本章小结 | 第33-34页 |
| 第五章 数据仓库构建 | 第34-41页 |
| 5.1 环境搭建 | 第34-37页 |
| 5.2 数据的选择与预处理 | 第37-40页 |
| 5.2.1 消费流水数据预处理 | 第37-38页 |
| 5.2.2 学生数据预处理 | 第38-39页 |
| 5.2.3 商户信息预处理 | 第39-40页 |
| 5.3 数据仓库构建 | 第40页 |
| 5.4 本章小结 | 第40-41页 |
| 第六章 校园卡数据挖掘 | 第41-53页 |
| 6.1 就餐人数统计分析 | 第41-45页 |
| 6.1.1 每日就餐人数统计 | 第41-42页 |
| 6.1.2 早中晚就餐高峰时间 | 第42-44页 |
| 6.1.3 就餐地点统计 | 第44-45页 |
| 6.2 在校贫困学生挖掘 | 第45-49页 |
| 6.2.1 统计各类消费数据 | 第45-46页 |
| 6.2.2 选取数据 | 第46-47页 |
| 6.2.3 生成决策树 | 第47-49页 |
| 6.3 学生就餐地点选择关联分析 | 第49-52页 |
| 6.3.1 统计常去餐饮 | 第49-50页 |
| 6.3.2 频繁模式挖掘 | 第50页 |
| 6.3.3 关联规则分析 | 第50-52页 |
| 6.4 本章小结 | 第52-53页 |
| 第七章 总结与展望 | 第53-55页 |
| 7.1 工作总结 | 第53页 |
| 7.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士期间发表论文情况 | 第58-59页 |
| 攻读硕士学位期间参与的科研项目 | 第59-60页 |
| 致谢 | 第60-61页 |
