基于Hadoop的多数据源数据挖掘技术应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第9-13页 |
| 1.1 课题的背景、来源及意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9页 |
| 1.1.2 课题来源 | 第9-10页 |
| 1.1.3 课题研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外的研究现状 | 第10页 |
| 1.2.2 国内的研究现状 | 第10-11页 |
| 1.3 课题主要工作 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 2 相关理论与技术研究 | 第13-21页 |
| 2.1 软件服务相关技术 | 第13-14页 |
| 2.1.1 软件即服务概念 | 第13页 |
| 2.1.2 软件即服务特点 | 第13页 |
| 2.1.3 软件即服务应用 | 第13-14页 |
| 2.2 数据挖掘的相关技术 | 第14-17页 |
| 2.2.1 数据挖掘的定义 | 第14页 |
| 2.2.2 数据挖掘的基本流程 | 第14-15页 |
| 2.2.3 数据挖掘的功能 | 第15页 |
| 2.2.4 聚类挖掘 | 第15-16页 |
| 2.2.5 关联规则算法 | 第16-17页 |
| 2.3 基于Hadoop的数据挖掘 | 第17-19页 |
| 2.3.1 Hadoop平台的介绍 | 第17-18页 |
| 2.3.2 Sqoop数据导入导出工具 | 第18页 |
| 2.3.3 Hive数据仓库 | 第18页 |
| 2.3.4 Mahout并行数据挖掘算法 | 第18-19页 |
| 2.3.5 HBase数据库 | 第19页 |
| 2.4 基于Hadoop的数据挖掘技术的优势 | 第19页 |
| 2.5 小结 | 第19-21页 |
| 3 基于Hadoop的多数据源挖掘平台框架 | 第21-28页 |
| 3.1 核心业务流程 | 第21-23页 |
| 3.1.1 多数据源整合 | 第21-22页 |
| 3.1.2 优质企业模型 | 第22页 |
| 3.1.3 优质商品种类模型 | 第22-23页 |
| 3.1.4 分析关联商品种类 | 第23页 |
| 3.2 基于Hadoop的数据挖掘平台整体方案 | 第23-24页 |
| 3.3 各阶段方案分析 | 第24-27页 |
| 3.3.1 数据处理库方案分析 | 第24-25页 |
| 3.3.2 算法库方案分析 | 第25-26页 |
| 3.3.3 规则库方案分析 | 第26-27页 |
| 3.4 小结 | 第27-28页 |
| 4 基于Hadoop的多数据源挖掘平台设计与实现 | 第28-40页 |
| 4.1 数据处理库的设计与实现 | 第28-32页 |
| 4.1.1 数据加载 | 第28-29页 |
| 4.1.2 数据清洗 | 第29页 |
| 4.1.3 数据仓库搭建 | 第29-32页 |
| 4.1.4 数据处理库设计总结 | 第32页 |
| 4.2 算法库的设计与实现 | 第32-37页 |
| 4.2.1 聚类实现及其优化 | 第32-35页 |
| 4.2.2 关联实现及其优化 | 第35-36页 |
| 4.2.3 数据挖掘结果存储 | 第36-37页 |
| 4.2.4 算法库设计总结 | 第37页 |
| 4.3 规则库设计与实现 | 第37-40页 |
| 4.3.1 聚类规则设计与实现 | 第37-38页 |
| 4.3.2 关联规则设计与实现 | 第38-39页 |
| 4.3.3 规则库设计总结 | 第39-40页 |
| 5 实验结果分析 | 第40-51页 |
| 5.1 实验环境设计 | 第40-42页 |
| 5.1.1 硬件环境 | 第40页 |
| 5.1.2 软件环境 | 第40-41页 |
| 5.1.3 实验数据 | 第41-42页 |
| 5.2 实验结果展示 | 第42-46页 |
| 5.2.1 聚类结果展示 | 第42-45页 |
| 5.2.2 关联结果展示 | 第45-46页 |
| 5.3 分析与对比 | 第46-51页 |
| 5.3.1 性能分析 | 第46-48页 |
| 5.3.2 数据挖掘结果分析 | 第48-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 全文总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 申请学位期间的研究成果及发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
