| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景、意义 | 第9-10页 |
| 1.2 现状研究 | 第10-12页 |
| 1.2.1 海量数据在产业界研究现状 | 第10-11页 |
| 1.2.2 海量数据环境下的精准投放 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 相关技术与理论介绍 | 第15-29页 |
| 2.1 数据挖掘 | 第15-20页 |
| 2.1.1 数据挖掘的概念 | 第15-16页 |
| 2.1.2 数据挖掘过程及在本文的应用 | 第16-20页 |
| 2.2 Hadoop相关技术介绍 | 第20-28页 |
| 2.2.1 HDFS分布式文件系统 | 第20-22页 |
| 2.2.2 MapReduce并行计算框架 | 第22-24页 |
| 2.2.3 Hive数据仓库系统与Hbase实时分布式数据库 | 第24-26页 |
| 2.2.4 Sqoop关联Hadoop与关系型数据库 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 市场海量数据的采集与处理 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 海量数据的采集 | 第29-32页 |
| 3.2.1 数据来源 | 第29-30页 |
| 3.2.2 数据采集方法（以终端数据采集与定位为例） | 第30-32页 |
| 3.3 海量数据的预处理 | 第32-35页 |
| 3.3.1 数据问题 | 第32-34页 |
| 3.3.2 数据预处理 | 第34-35页 |
| 3.4 基于分布式的数据加工 | 第35-39页 |
| 3.4.1 基于MapReduce编程模型数据加工 | 第35-36页 |
| 3.4.2 Hive与Hbase的结合应用 | 第36-37页 |
| 3.4.3 Sqoop实现Hadoop与关系型数据库数据传递 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 市场投放中的零售户聚类挖掘 | 第40-49页 |
| 4.1 引言 | 第40页 |
| 4.2 CURE原理及改进 | 第40-42页 |
| 4.2.1 CURE原理 | 第40-41页 |
| 4.2.2 算法改进 | 第41-42页 |
| 4.3 实验与分析 | 第42-48页 |
| 4.3.1 实验数据预处理 | 第42-44页 |
| 4.3.2 主成分分析与降维 | 第44-45页 |
| 4.3.3 类别参数K的选择 | 第45页 |
| 4.3.4 聚类效果与结果分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 市场投放策略模型建立与验证 | 第49-62页 |
| 5.1 引言 | 第49页 |
| 5.2 市场投放基本模式与预测原理 | 第49-50页 |
| 5.3 销量预测——回归预测模型 | 第50-54页 |
| 5.3.1 特征选择 | 第51-52页 |
| 5.3.2 多元回归预测模型与效果评估 | 第52-54页 |
| 5.4 销量预测——ARMA时间序列模型 | 第54-59页 |
| 5.4.1 ARMA模型的表现形式 | 第54-56页 |
| 5.4.2 序列分解 | 第56-57页 |
| 5.4.3 参数确定与评估 | 第57-59页 |
| 5.5 库存预测 | 第59页 |
| 5.6 存销比预测 | 第59页 |
| 5.7 投放策略模型与验证 | 第59-61页 |
| 5.7.1 下月投放模型 | 第59-60页 |
| 5.7.2 实时投放模型 | 第60页 |
| 5.7.3 投放策略模型调整 | 第60-61页 |
| 5.7.4 投放策略模型验证 | 第61页 |
| 5.8 本章小结 | 第61-62页 |
| 第六章 市场投放体系的建立与应用 | 第62-72页 |
| 6.1 体系结构 | 第62-65页 |
| 6.1.1 数据源及数据采集 | 第62-63页 |
| 6.1.2 数据传输层 | 第63-64页 |
| 6.1.3 数据加工层 | 第64页 |
| 6.1.4 数据存储中心 | 第64-65页 |
| 6.1.5 数据分析层 | 第65页 |
| 6.1.6 展现层 | 第65页 |
| 6.2 体系模块设计 | 第65-71页 |
| 6.2.1 零售户分析模块 | 第65-67页 |
| 6.2.2 产品销售分布模块 | 第67-69页 |
| 6.2.3 购销存分析模块 | 第69页 |
| 6.2.4 市场预警模块 | 第69-70页 |
| 6.2.5 协议执行进度模块 | 第70-71页 |
| 6.2.6 投放滚动预测模块 | 第71页 |
| 6.3 本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 7.1 研究总结 | 第72-73页 |
| 7.2 展望未来 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录 | 第77-85页 |
| 附录一：零售户聚类核心代码 | 第77-80页 |
| 附录二：回归预测分析核心代码 | 第80-82页 |
| 附录三：时间序列分析核心代码 | 第82-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间的研究成果 | 第86页 |
