| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 课题来源 | 第8页 |
| 1.3 研究现状 | 第8-10页 |
| 1.4 选题意义 | 第10-11页 |
| 1.5 论文主要工作 | 第11页 |
| 1.6 论文组织结构 | 第11-13页 |
| 第2章 相关理论与技术 | 第13-21页 |
| 2.1 A-D模型 | 第13-15页 |
| 2.1.1 层次分析法AHP | 第13-14页 |
| 2.1.2 DEMATEL法 | 第14-15页 |
| 2.2 K-means算法 | 第15-16页 |
| 2.3 Hadoop云计算平台 | 第16-20页 |
| 2.3.1 系统架构概述 | 第16-17页 |
| 2.3.2 HDFS | 第17-19页 |
| 2.3.3 MapReduce | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于A-D模型的改进K-means算法 | 第21-33页 |
| 3.1 概述 | 第21页 |
| 3.2 语音通信行为特征 | 第21-22页 |
| 3.3 构建行为特征模型 | 第22-25页 |
| 3.3.1 基于AHP生成行为特征的主观权重 | 第22-23页 |
| 3.3.2 基于DEMATEL确定各特征之间的影响元素 | 第23-25页 |
| 3.3.3 生成目标权重 | 第25页 |
| 3.4 AD-Kmeans算法 | 第25-27页 |
| 3.4.1 数据处理 | 第25页 |
| 3.4.2 算法描述 | 第25-27页 |
| 3.5 实证分析 | 第27-31页 |
| 3.5.1 实验环境 | 第27页 |
| 3.5.2 实验设置 | 第27-28页 |
| 3.5.3 异常客户综合聚类分析 | 第28-29页 |
| 3.5.4 广告客户单类型聚类分析 | 第29-30页 |
| 3.5.5 诈骗客户单类型聚类分析 | 第30页 |
| 3.5.6 欠费客户单类型聚类分析 | 第30-31页 |
| 3.6 小结 | 第31-33页 |
| 第4章 基于云平台的AD-Kmeans算法并行化实现 | 第33-43页 |
| 4.1 环境搭建 | 第33-37页 |
| 4.1.1 Hadoop环境 | 第33-35页 |
| 4.1.2 Hive环境 | 第35-37页 |
| 4.2 并行化方案 | 第37-40页 |
| 4.2.1 并行随机采样 | 第37-38页 |
| 4.2.2 样本距离计算并行化 | 第38-39页 |
| 4.2.3 数据对象聚类并行化 | 第39-40页 |
| 4.3 并行化设计 | 第40-41页 |
| 4.3.1 设计Map函数 | 第40页 |
| 4.3.2 设计Combine函数 | 第40-41页 |
| 4.3.3 设计Reduce函数 | 第41页 |
| 4.4 并行化实现 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 应用与实现 | 第43-51页 |
| 5.1 应用场景 | 第43页 |
| 5.2 系统架构 | 第43-45页 |
| 5.3 数据库设计 | 第45-48页 |
| 5.4 系统实现 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 结论与展望 | 第51-53页 |
| 6.1 结论 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |