| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 研究现状 | 第11-14页 |
| 1.4 研究内容 | 第14页 |
| 1.5 论文结构 | 第14-16页 |
| 第二章 相关技术介绍 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 Hadoop数据存储介绍 | 第16-18页 |
| 2.3 聚类算法介绍 | 第18页 |
| 2.4 分类算法介绍 | 第18-21页 |
| 2.4.1 常用的分类算法介绍 | 第19页 |
| 2.4.2 分类算法选择 | 第19-20页 |
| 2.4.3 KNN分类算法介绍 | 第20-21页 |
| 2.5 预测算法介绍 | 第21-25页 |
| 2.5.1 常用预测算法介绍 | 第22-23页 |
| 2.5.2 预测算法选择 | 第23-24页 |
| 2.5.3 时间序列的相关概念 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章：数据预处理与改进的KNN数据挖掘算法 | 第26-42页 |
| 3.1 引言 | 第26页 |
| 3.2 数据准备 | 第26-27页 |
| 3.3 数据预处理策略 | 第27-31页 |
| 3.3.1 数据清洗 | 第28-31页 |
| 3.4 数据挖掘任务 | 第31-32页 |
| 3.5 改进数据挖掘算法 | 第32-37页 |
| 3.5.1 改进算法的聚类过程 | 第33-36页 |
| 3.5.2 改进算法的分类过程 | 第36-37页 |
| 3.6 算法性能验证 | 第37-40页 |
| 3.6.1 样本说明与参数设置 | 第37-38页 |
| 3.6.2 零售户订单数据分类 | 第38-39页 |
| 3.6.4 算法性能对比分析 | 第39-40页 |
| 3.7 本章小结 | 第40-42页 |
| 第四章：市场状态判断与销量预测 | 第42-58页 |
| 4.1 引言 | 第42页 |
| 4.2 本文市场感知模型介绍 | 第42-43页 |
| 4.3 时间序列分析预测模型 | 第43-51页 |
| 4.3.1 ARIMA差分自回归积分滑动平均模型 | 第43-44页 |
| 4.3.2 构建ARIMA模型 | 第44-51页 |
| 4.4 灰色拓扑模型预测长期市场 | 第51-57页 |
| 4.4.1 灰色模型建模 | 第51-53页 |
| 4.4.2 建立ARIMA模型基础上的灰色拓扑模型 | 第53-56页 |
| 4.4.3 灰色模型预测结果展示 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章、总结与展望 | 第58-60页 |
| 5.1 全文总结 | 第58页 |
| 5.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间的研究成果 | 第65页 |