手机上网用户行为分析的关键技术研究与应用
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 1 引言 | 第10-14页 |
| ·课题研究背景 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·课题研究内容与意义 | 第11-12页 |
| ·论文结构 | 第12-14页 |
| 2 基本理论方法和技术 | 第14-24页 |
| ·用户行为分析 | 第14-16页 |
| ·用户行为分析方法 | 第14-15页 |
| ·用户行为模式模型 | 第15-16页 |
| ·多维数据分析与数据挖掘 | 第16-18页 |
| ·多维数据分析与数据仓库 | 第16-17页 |
| ·数据挖掘技术 | 第17-18页 |
| ·海量数据处理技术研究 | 第18-22页 |
| ·Hadoop平台及组件 | 第19-20页 |
| ·MapReduce应用开发 | 第20-22页 |
| ·页面显示技术 | 第22页 |
| ·本章小结 | 第22-24页 |
| 3 手机上网用户行为分析系统的设计和实现 | 第24-50页 |
| ·务需求分析 | 第24-25页 |
| ·总体架构设计 | 第25-29页 |
| ·系统数据处理流程 | 第25-26页 |
| ·系统架构设计 | 第26-29页 |
| ·用户行为数据库设计 | 第29-34页 |
| ·用户行为统计分析设计和实现 | 第34-40页 |
| ·报表分析模块 | 第34-36页 |
| ·流量分析模块 | 第36-40页 |
| ·用户行为模式生成模块设计和实现 | 第40-49页 |
| ·数据预处理 | 第41-44页 |
| ·频繁项集和强关联规则生成 | 第44-47页 |
| ·建立和评估行为模式 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 4 手机上网用户行为分析关键技术研究 | 第50-80页 |
| ·Hadoop海量数据处理技术 | 第50-52页 |
| ·聚类和关联规则技术研究 | 第52-66页 |
| ·K-Means聚类技术研究 | 第53-54页 |
| ·几种关联规则算法及对比 | 第54-62页 |
| ·基于Hadoop的FP_Growth算法及改进 | 第62-66页 |
| ·关键技术的应用 | 第66-78页 |
| ·Hadoop技术应用 | 第67-72页 |
| ·K-Means聚类技术应用 | 第72-76页 |
| ·FP_growth关联规则技术应用 | 第76-78页 |
| ·本章小结 | 第78-80页 |
| 5 总结与展望 | 第80-82页 |
| ·论文总结 | 第80页 |
| ·论文展望 | 第80-82页 |
| 参考文献 | 第82-84页 |
| 作者简历 | 第84-88页 |
| 学位论文数据集 | 第88页 |
