| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第8-13页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究目的和意义 | 第10-11页 |
| 1.4 论文研究内容 | 第11页 |
| 1.5 本文结构安排 | 第11-13页 |
| 2 行为分析相关理论概述 | 第13-22页 |
| 2.1 数据挖掘相关理论 | 第13-14页 |
| 2.1.1 数据挖掘概念 | 第13页 |
| 2.1.2 数据挖掘过程 | 第13-14页 |
| 2.1.3 数据挖掘体系结构 | 第14页 |
| 2.2 数据挖掘常用技术与方法 | 第14-15页 |
| 2.3 聚类分析 | 第15-18页 |
| 2.3.1 聚类分析相关概念 | 第15-17页 |
| 2.3.2 K-Means算法基本思想 | 第17-18页 |
| 2.4 数据挖掘在用户行为分析的应用 | 第18-19页 |
| 2.5 农产品电商平台用户行为分析 | 第19-21页 |
| 2.5.1 用户行为的特点 | 第19-20页 |
| 2.5.2 用户行为分析的常用方法 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 K-Means算法的改进研究 | 第22-31页 |
| 3.1 传统K-Means算法改进方向研究 | 第22-23页 |
| 3.2 聚类有效性分析 | 第23-24页 |
| 3.3 最优k值的获取 | 第24-27页 |
| 3.3.1 加权距离函数 | 第24-25页 |
| 3.3.2 基于加权距离函数的K-Means改进算法流程 | 第25-27页 |
| 3.4 仿真实验结果与分析 | 第27-28页 |
| 3.5 基于k值优化K-Means算法的应用性验证 | 第28-30页 |
| 3.6 本章小结 | 第30-31页 |
| 4 农产品电商平台用户行为分析模型 | 第31-41页 |
| 4.1 用户行为分析模型框架 | 第31-32页 |
| 4.2 K-Means改进算法应用步骤 | 第32-33页 |
| 4.3 用户行为数据选择 | 第33页 |
| 4.4 用户行为数据预处理 | 第33-35页 |
| 4.4.1 数据筛选 | 第33-34页 |
| 4.4.2 数据转换 | 第34-35页 |
| 4.5 用户行为数据挖掘与分析 | 第35-37页 |
| 4.5.1 基于K-Means算法用户行为分析 | 第35-36页 |
| 4.5.2 改进K-Means算法用户行为分析 | 第36-37页 |
| 4.6 结果分析 | 第37-40页 |
| 4.7 本章小结 | 第40-41页 |
| 5 农产品电商平台用户行为分析系统设计 | 第41-52页 |
| 5.1 系统主要功能 | 第41-42页 |
| 5.2 系统设计思路 | 第42-43页 |
| 5.2.1 系统框架设计 | 第42页 |
| 5.2.2 系统数据处理流程 | 第42-43页 |
| 5.3 系统功能部分设计 | 第43-49页 |
| 5.3.1 数据采集部分 | 第43-44页 |
| 5.3.2 数据预处理部分 | 第44页 |
| 5.3.3 用户行为数据分析部分 | 第44-45页 |
| 5.3.4 数据存储部分 | 第45-49页 |
| 5.4 系统测试 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 全文归纳与总结 | 第52页 |
| 6.2 进一步研究方向 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 作者简介及攻读硕士期间研究成果 | 第61页 |