| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.1.1 选题背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外的研究动态及发展趋势 | 第9-11页 |
| 1.2.1 Hadoop技术研究现状 | 第9-10页 |
| 1.2.2 数据挖掘技术研究现状 | 第10页 |
| 1.2.3 可视化技术国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 组织架构 | 第12-14页 |
| 2 相关理论与技术研究 | 第14-24页 |
| 2.1 Hadoop平台相关技术研究 | 第14-18页 |
| 2.1.1 HDFS | 第15页 |
| 2.1.2 MapReduce | 第15-18页 |
| 2.2 数据挖掘相关技术研究 | 第18-20页 |
| 2.2.1 数据挖掘简介 | 第18页 |
| 2.2.2 数据挖掘过程 | 第18-19页 |
| 2.2.3 数据挖掘的方法 | 第19-20页 |
| 2.2.4 Mahout概述 | 第20页 |
| 2.3 可视化相关技术研究 | 第20-23页 |
| 2.3.1 可视化的基本流程 | 第21页 |
| 2.3.2 当前主流的web前端可视化工具库 | 第21-22页 |
| 2.3.3 核心架构技术 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 数据挖掘算法 | 第24-38页 |
| 3.1 聚类算法 | 第24-30页 |
| 3.2.1 K-Means算法 | 第24-26页 |
| 3.2.2 基于Hadoop的聚类算法 | 第26-30页 |
| 3.2 关联规则 | 第30-37页 |
| 3.2.1 关联规则的定义 | 第30-31页 |
| 3.2.2 关联规则算法的步骤 | 第31-32页 |
| 3.2.3 Apriori关联规则算法 | 第32-33页 |
| 3.2.4 Apriori算法实例分析 | 第33-36页 |
| 3.2.5 基于Hadoop的Apriori关联算法 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 数据挖掘系统的设计 | 第38-51页 |
| 4.1 系统的整体设计 | 第38-39页 |
| 4.1.1 系统设计 | 第38-39页 |
| 4.1.2 可行性分析 | 第39页 |
| 4.2 数据准备 | 第39-41页 |
| 4.2.1 数据来源 | 第39-40页 |
| 4.2.2 数据预处理 | 第40-41页 |
| 4.3 数据挖掘分析 | 第41-47页 |
| 4.3.1 功能需求分析 | 第41-42页 |
| 4.3.2 数据挖掘分析 | 第42-47页 |
| 4.4 Echarts图形的绘制 | 第47-49页 |
| 4.5 HadoopWeb项目 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 可视化实现与效果 | 第51-61页 |
| 5.1 实验环境 | 第51-53页 |
| 5.1.1 硬件环境 | 第51页 |
| 5.1.2 软件环境 | 第51-52页 |
| 5.1.3 搭建Hadoop集群 | 第52-53页 |
| 5.2 实验数据准备 | 第53-54页 |
| 5.3 数据可视化实现与效果 | 第54-59页 |
| 5.3.1 从管理者角度 | 第54-58页 |
| 5.3.2 从顾客角度 | 第58-59页 |
| 5.4 实验结果分析 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |