基于Spark的数据挖掘技术在ERP系统上的研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 课题的研究内容 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 2 相关技术及理论 | 第12-22页 |
| 2.1 数据挖掘技术 | 第12-14页 |
| 2.1.1 数据挖掘概述 | 第12-13页 |
| 2.1.2 数据挖掘框架 | 第13-14页 |
| 2.2 大数据技术 | 第14-17页 |
| 2.2.1 Hadoop概述 | 第14页 |
| 2.2.2 Hadoop核心架构 | 第14-15页 |
| 2.2.3 Spark核心架构 | 第15-17页 |
| 2.3 ERP系统概述 | 第17-18页 |
| 2.4 预测算法概述 | 第18-21页 |
| 2.4.1 回归学习 | 第18-19页 |
| 2.4.2 分类学习 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 数据挖掘关键技术优化 | 第22-31页 |
| 3.1 特征选择技术 | 第22-23页 |
| 3.2 遗传算法概述 | 第23-24页 |
| 3.3 特征选择改进算法 | 第24-26页 |
| 3.3.1 种群个体的编码 | 第24页 |
| 3.3.2 适应性函数 | 第24-25页 |
| 3.3.3 遗传算子的设计 | 第25-26页 |
| 3.4 实验与分析 | 第26-30页 |
| 3.4.1 实验结果 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 大数据分析平台搭建与融合算法的实现 | 第31-41页 |
| 4.1 Spark平台搭建 | 第31-32页 |
| 4.1.1 配置Hadoop | 第31-32页 |
| 4.1.2 配置Spark | 第32页 |
| 4.2 Stacking融合技术 | 第32-34页 |
| 4.3 Spark数据挖掘框架 | 第34-36页 |
| 4.4 实验与分析 | 第36-40页 |
| 4.4.1 实验结果 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 5 ERP系统实施大数据分析 | 第41-47页 |
| 5.1 数据挖掘平台整体框架 | 第41页 |
| 5.2 数据采集 | 第41-43页 |
| 5.3 数据处理与分析 | 第43-46页 |
| 5.4 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-48页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读学位期间取得的研究成果 | 第51-52页 |
| 致谢 | 第52页 |
