| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 论文研究的目的与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 大数据研究现状 | 第15-16页 |
| 1.2.2 数据挖掘技术研究现状 | 第16-17页 |
| 1.2.3 物流配送选址研究现状 | 第17-18页 |
| 1.3 课题的主要研究内容 | 第18-20页 |
| 第二章 相关理论基础 | 第20-33页 |
| 2.1 大数据理论 | 第20-27页 |
| 2.1.1 大数据内涵分析 | 第20-21页 |
| 2.1.2 大数据特征 | 第21页 |
| 2.1.3 大数据关键技术 | 第21-27页 |
| 2.2 数据挖掘理论 | 第27-28页 |
| 2.2.1 数据挖掘概述 | 第27页 |
| 2.2.2 数据挖掘分类 | 第27-28页 |
| 2.2.3 数据挖掘步骤 | 第28页 |
| 2.3 物流配送中心选址理论 | 第28-32页 |
| 2.3.1 物流配送中心的概念及功能 | 第28-30页 |
| 2.3.2 物流配送中心选址方法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于大数据的物流配送中心选址分析 | 第33-43页 |
| 3.1 大数据来源分析 | 第33-34页 |
| 3.2 物流大数据 | 第34-39页 |
| 3.2.1 物流大数据来源分析 | 第34-36页 |
| 3.2.2 物流大数据内涵及特征 | 第36-37页 |
| 3.2.3 物流大数据应用 | 第37-39页 |
| 3.3 配送中心选址大数据 | 第39-42页 |
| 3.3.1 配送中心选址大数据分析 | 第39-40页 |
| 3.3.2 配送中心大数据特征 | 第40-41页 |
| 3.3.3 算法设计思路 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 DK-Means聚类算法 | 第43-51页 |
| 4.1 聚类分析算法概述 | 第43-48页 |
| 4.1.1 聚类分析概念 | 第43页 |
| 4.1.2 数据结构与相似性度量 | 第43-46页 |
| 4.1.3 聚类准则函数 | 第46-47页 |
| 4.1.4 聚类分析算法分类 | 第47-48页 |
| 4.2 DK-Means聚类算法 | 第48-50页 |
| 4.2.1 算法概述 | 第49-50页 |
| 4.2.2 算法步骤 | 第50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 基于MapReduce的DK-Means聚类算法设计与实现 | 第51-66页 |
| 5.1 MapReduce模型 | 第51-52页 |
| 5.1.1 MapReduce模型简介 | 第51页 |
| 5.1.2 MapReduce处理过程 | 第51-52页 |
| 5.2 基于MapReduce的DK-Means并行化算法设计 | 第52-53页 |
| 5.2.1 并行化算法设计 | 第52页 |
| 5.2.2 并行化算法实现 | 第52-53页 |
| 5.3 基于MapReduce的DK-Means并行化算法改进 | 第53-58页 |
| 5.3.1 并行化算法改进基本思路 | 第53-54页 |
| 5.3.2 并行化算法改进方法 | 第54-58页 |
| 5.4 应用实例 | 第58-66页 |
| 第六章 结论与展望 | 第66-67页 |
| 6.1 结论 | 第66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |
