基于大数据的辅助专家分析系统的设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 项目背景 | 第10-13页 |
| 1.1 课题背景 | 第10页 |
| 1.2 本文主要工作 | 第10-12页 |
| 1.3 本章小结 | 第12-13页 |
| 第2章 相关工作综述 | 第13-21页 |
| 2.1 大数据分析 | 第13-17页 |
| 2.1.1 大数据分析概述 | 第13-14页 |
| 2.1.2 大数据分析技术 | 第14-15页 |
| 2.1.3 专家的领域知识在大数据分析中的作用 | 第15-17页 |
| 2.2 MapReduce计算框架 | 第17-19页 |
| 2.2.1 MapReduce计算流程 | 第18-19页 |
| 2.2.2 MapReduce特点 | 第19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 大数据分析系统总体设计 | 第21-36页 |
| 3.1 系统设计目标 | 第21页 |
| 3.2 系统总体架构 | 第21-25页 |
| 3.2.1 大数据云平台层 | 第22页 |
| 3.2.2 模型层 | 第22页 |
| 3.2.3 应用支撑层 | 第22页 |
| 3.2.4 应用层 | 第22-25页 |
| 3.3 数据同步方式 | 第25-26页 |
| 3.4 数据库设计 | 第26-34页 |
| 3.4.1 数据库概念模型 | 第26-27页 |
| 3.4.2 MaxCompute大数据计算 | 第27-29页 |
| 3.4.3 ADS分析型数据库 | 第29-33页 |
| 3.4.4 数据流 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 辅助专家分析系统功能设计 | 第36-62页 |
| 4.1 专家用户平台设计 | 第36-40页 |
| 4.2 普通模型 | 第40-59页 |
| 4.2.1 数据源 | 第43-45页 |
| 4.2.2 数据过滤 | 第45-49页 |
| 4.2.3 缺失值填充 | 第49-50页 |
| 4.2.4 数据分组 | 第50-52页 |
| 4.2.5 数据滤重 | 第52-53页 |
| 4.2.6 数据关联 | 第53-54页 |
| 4.2.7 数据排序 | 第54-55页 |
| 4.2.8 数据加工 | 第55-56页 |
| 4.2.9 数据联合 | 第56-57页 |
| 4.2.10 查询界限 | 第57-58页 |
| 4.2.11 可视化组件 | 第58-59页 |
| 4.3 算法模型 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 模型分类与算法设计 | 第62-77页 |
| 5.1 单一主体单一属性模型 | 第62-68页 |
| 5.1.1 统计模型 | 第62-64页 |
| 5.1.2 无序集合分析模型 | 第64-65页 |
| 5.1.3 有序集合分析模型 | 第65-68页 |
| 5.2 单一主体多属性模型 | 第68-74页 |
| 5.2.1 抽样模型 | 第68-69页 |
| 5.2.2 对象分析模型 | 第69-71页 |
| 5.2.3 属性分析模型 | 第71-73页 |
| 5.2.4 特征选择与降维模型 | 第73-74页 |
| 5.3 多主体模型 | 第74-75页 |
| 5.3.1 多主体相关分析模型 | 第74-75页 |
| 5.3.2 关系网模型 | 第75页 |
| 5.4 综合模型 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第6章 总结和展望 | 第77-79页 |
| 6.1 全文总结 | 第77-78页 |
| 6.2 未来展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82页 |
