| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 实时商业智能研究现状 | 第10-12页 |
| 1.2.2 复杂事件处理研究现状 | 第12-14页 |
| 1.2.3 基于复杂事件处理的实时商业智能研究现状 | 第14-15页 |
| 1.3 论文研究内容和创新点 | 第15-16页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 创新点 | 第16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 2 理论研究 | 第19-31页 |
| 2.1 实时商业智能体系架构分析 | 第19-22页 |
| 2.2 基于CEP的实时商业智能的提出 | 第22-29页 |
| 2.2.1 事件驱动 | 第22-24页 |
| 2.2.2 复杂事件处理基本理论 | 第24-28页 |
| 2.2.3 基于CEP的实时商业智能的优势 | 第28-29页 |
| 2.3 基于CEP的实时商业智能的构成 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 关键技术 | 第31-45页 |
| 3.1 大数据分布式流计算技术 | 第31-35页 |
| 3.1.1 流式大数据特征 | 第31-32页 |
| 3.1.2 分布式流计算关键技术 | 第32-34页 |
| 3.1.3 分布式流计算系统平台 | 第34-35页 |
| 3.2 复杂事件处理关键技术 | 第35-42页 |
| 3.2.1 复杂事件描述语言 | 第36-37页 |
| 3.2.2 复杂事件检测模型 | 第37-38页 |
| 3.2.3 复杂事件处理引擎 | 第38-42页 |
| 3.3 Storm平台 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 基于CEP的实时商业智能的模型构建 | 第45-61页 |
| 4.1 基于CEP的实时商业智能体系架构设计 | 第45-48页 |
| 4.2 复杂事件模型设计 | 第48-52页 |
| 4.2.1 事件定义 | 第48-49页 |
| 4.2.2 事件操作符 | 第49-50页 |
| 4.2.3 事件关系模型 | 第50-51页 |
| 4.2.4 复杂事件模型 | 第51-52页 |
| 4.3 分布式节点设计 | 第52-56页 |
| 4.3.1 拓扑 | 第53-54页 |
| 4.3.2 Spout | 第54-55页 |
| 4.3.3 Bolt | 第55-56页 |
| 4.4 分布式复杂事件处理架构 | 第56-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 基于CEP的实时商业智能的实现及应用 | 第61-81页 |
| 5.1 证券市场监测需求分析 | 第61-65页 |
| 5.1.1 证券市场监测需求 | 第61-62页 |
| 5.1.2 证券市场交易异常行为分析 | 第62-65页 |
| 5.2 证券市场监测复杂事件描述 | 第65-72页 |
| 5.2.1 原子事件定义 | 第65-67页 |
| 5.2.2 抽象事件定义 | 第67-69页 |
| 5.2.3 复杂事件定义 | 第69-72页 |
| 5.3 证券市场监测复杂事件实例验证 | 第72-79页 |
| 5.3.1 规则定义 | 第72-73页 |
| 5.3.2 程序环境及数据设置 | 第73-74页 |
| 5.3.3 异常事件结果判断 | 第74-76页 |
| 5.3.4 分析总结 | 第76-79页 |
| 5.4 本章小结 | 第79-81页 |
| 6 总结与展望 | 第81-83页 |
| 6.1 本文工作总结 | 第81页 |
| 6.2 研究展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 攻读学位期间的科研成果 | 第89-91页 |
| 致谢 | 第91页 |