大数据环境下面向电信行业数据管理平台的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 运营商业务的发展现状 | 第12-13页 |
| 1.2.2 大数据的研究发展现状 | 第13-14页 |
| 1.2.3 数据分析工具的发展现状 | 第14-15页 |
| 1.3 研究内容与创新点 | 第15-16页 |
| 1.3.1 本文研究内容 | 第15-16页 |
| 1.3.2 本文创新点 | 第16页 |
| 1.4 论文的内容安排 | 第16-19页 |
| 第2章 理论知识准备 | 第19-33页 |
| 2.1 Hadoop生态系统 | 第19-23页 |
| 2.1.1 分布式文件系统HDFS | 第19-20页 |
| 2.1.2 分布式计算框架MapReduce | 第20-21页 |
| 2.1.3 分布式数据仓库Hive | 第21-23页 |
| 2.2 数据挖掘 | 第23-25页 |
| 2.2.1 分类算法 | 第23-24页 |
| 2.2.2 聚类算法 | 第24-25页 |
| 2.2.3 关联规则 | 第25页 |
| 2.3 R语言 | 第25-26页 |
| 2.4 关键算法及R语言实现 | 第26-32页 |
| 2.4.1 K-means算法 | 第27-29页 |
| 2.4.2 Bagging算法 | 第29-30页 |
| 2.4.3 主成分分析 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 面向数据流量产品的营销分析方案 | 第33-41页 |
| 3.1 数据分析基本方案 | 第33页 |
| 3.2 数据预处理 | 第33-38页 |
| 3.2.1 数据准备 | 第34-36页 |
| 3.2.2 数据变换 | 第36-37页 |
| 3.2.3 变量简约 | 第37-38页 |
| 3.3 基于数据流量产品的模型建立 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 数据管理平台的总体设计 | 第41-51页 |
| 4.1 系统总体设计 | 第41-44页 |
| 4.2 数据库设计 | 第44-47页 |
| 4.3 数据仓库设计 | 第47-50页 |
| 4.3.1 逻辑模型设计 | 第47-49页 |
| 4.3.2 物理模型设计 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 数据管理平台的详细设计与实现 | 第51-71页 |
| 5.1 前端交互模块的实现 | 第51-56页 |
| 5.1.1 Node.js的环境配置 | 第51-53页 |
| 5.1.2 用户登录模块的实现 | 第53-54页 |
| 5.1.3 前端功能模块的实现 | 第54-56页 |
| 5.2 数据存储模块的实现 | 第56-64页 |
| 5.2.1 Hadoop集群环境的配置 | 第56-59页 |
| 5.2.2 数据存储模块的流程 | 第59-60页 |
| 5.2.3 HDFS文件读取写入的实现 | 第60-62页 |
| 5.2.4 Hive的数据存储模式 | 第62-63页 |
| 5.2.5 R与Hive的整合 | 第63-64页 |
| 5.3 数据分析模块的实现 | 第64-69页 |
| 5.3.1 数据分析模块的流程 | 第64-66页 |
| 5.3.2 Rserve环境的配置 | 第66-67页 |
| 5.3.3 Node.js与R跨平台 | 第67-69页 |
| 5.4 平台性能分析 | 第69-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 本文总结 | 第71-72页 |
| 6.2 进一步工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读学位期间取得的科研成果 | 第79页 |
