| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义(项目背景) | 第9-10页 |
| 1.2 数据分析的国内外研究现状 | 第10-13页 |
| 1.3 研究内容与创新点 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 研究创新点 | 第13-14页 |
| 1.4 章节安排 | 第14-15页 |
| 2 相关技术理论 | 第15-29页 |
| 2.1 Hadoop技术 | 第15-21页 |
| 2.1.1 HDFS分布式文件系统 | 第15-17页 |
| 2.1.2 MapReduce计算模型 | 第17-20页 |
| 2.1.3 Hive技术 | 第20-21页 |
| 2.2 R语言 | 第21-22页 |
| 2.3 时间序列分析 | 第22-26页 |
| 2.3.1 指数平滑模型 | 第23-25页 |
| 2.3.2 ARIMA模型 | 第25-26页 |
| 2.4 MOA | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 系统设计与实现 | 第29-46页 |
| 3.1 需求分析 | 第29-30页 |
| 3.2 系统架构设计 | 第30-31页 |
| 3.3 数据采集模块 | 第31-34页 |
| 3.4 数据处理模块 | 第34-35页 |
| 3.4.1 数据导入HDFS中 | 第34-35页 |
| 3.4.2 运行步骤 | 第35页 |
| 3.5 数据分析模块 | 第35-38页 |
| 3.6 数据可视化模块 | 第38-45页 |
| 3.7 本章小结 | 第45-46页 |
| 4 基于R的License时间序列分析 | 第46-64页 |
| 4.1 初步分析 | 第46-54页 |
| 4.1.1 序列的预处理 | 第46-47页 |
| 4.1.2 基本统计分析 | 第47-48页 |
| 4.1.3 时序的平滑化和季节性分解 | 第48-53页 |
| 4.1.4 序列检验 | 第53-54页 |
| 4.2 基于指数模型的License序列建模与预测实验 | 第54-59页 |
| 4.2.1 二次指数平滑法模型的分析 | 第55-57页 |
| 4.2.2 Holt-Winters模型的分析 | 第57-59页 |
| 4.3 基于ARIMA的License序列数据建模与预测实验 | 第59-63页 |
| 4.3.1 模型识别 | 第59-61页 |
| 4.3.2 模型的拟合、检验与预测 | 第61-63页 |
| 4.4 预测结果比较 | 第63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 全文总结 | 第64-68页 |
| 5.1 全文总结 | 第64页 |
| 5.2 研究展望 | 第64-65页 |
| 5.3 实习总结与体会 | 第65-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士期间参加的科研项目与学术著作 | 第71-72页 |
| 致谢 | 第72页 |