| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景、意义 | 第9页 |
| 1.2 品牌市场状态的研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文结构 | 第11-13页 |
| 第二章 数据采集与处理 | 第13-23页 |
| 2.1 引言 | 第13页 |
| 2.2 数据采集 | 第13-17页 |
| 2.3 数据预处理 | 第17-19页 |
| 2.3.1 数据清洗 | 第17-19页 |
| 2.3.2 数据集成、转换 | 第19页 |
| 2.4 海量数据的处理 | 第19-21页 |
| 2.4.1 HDFS的读写原理 | 第20-21页 |
| 2.5 数据挖掘过程 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于FCM的品牌状态聚类分析 | 第23-39页 |
| 3.1 FCM算法的原理 | 第23-25页 |
| 3.1.1 聚类算法概述 | 第23-24页 |
| 3.1.2 FCM聚类算法 | 第24-25页 |
| 3.2 改进的FCM聚类算法 | 第25-27页 |
| 3.3 品牌影响因子及状态分析 | 第27-33页 |
| 3.3.1 品牌影响因子确定 | 第27-30页 |
| 3.3.2 品牌状态及三维划分 | 第30-33页 |
| 3.4 品牌状态FCM聚类分析 | 第33-35页 |
| 3.5 FCM聚类结果分析 | 第35-38页 |
| 3.5.1 实验数据 | 第35页 |
| 3.5.2 FCM聚类结果 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 品牌状态判别模型设计 | 第39-54页 |
| 4.1 基于朴素贝叶斯分类算法的品牌状态判别分析 | 第39-42页 |
| 4.1.1 Bayes判别理论 | 第39-41页 |
| 4.1.2 构建NB算法的品牌状态判别决策模型 | 第41-42页 |
| 4.2 基于随机森林的品牌状态判别分析 | 第42-45页 |
| 4.2.1 决策树判别分析 | 第42-43页 |
| 4.2.2 随机森林 | 第43-44页 |
| 4.2.3 构建随机森林的品牌状态判别决策模型 | 第44-45页 |
| 4.3 两种模型的评价 | 第45-46页 |
| 4.4 构建品牌状态的CM判别模型 | 第46-50页 |
| 4.4.1 NB判别模型和随机森林判别模型对比分析 | 第46-48页 |
| 4.4.2 CM判别模型分析 | 第48-50页 |
| 4.5 品牌市场状态判别 | 第50-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 品牌状态判别模型的并行化研究 | 第54-65页 |
| 5.1 实验数据及实验环境 | 第54-56页 |
| 5.1.1 数据准备 | 第54-55页 |
| 5.1.2 实验环境 | 第55-56页 |
| 5.2 品牌状态判别并行化分析 | 第56-62页 |
| 5.2.1 并行化处理 | 第56-57页 |
| 5.2.2 并行化聚类分析 | 第57-62页 |
| 5.3 品牌市场状态并行化判别结果分析与应用 | 第62-64页 |
| 5.3.1 串并判别模型的比较 | 第62-64页 |
| 5.3.2 并行品牌状态判别模型应用 | 第64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 企业品牌营销集成平台的实现 | 第65-75页 |
| 6.1 系统总体设计 | 第65-67页 |
| 6.2 平台模块的实现 | 第67-74页 |
| 6.3 本章小结 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 全文总结 | 第75-76页 |
| 7.2 研究展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间的研究成果 | 第81页 |