| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究背景及意义 | 第12-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·客户价值发现的研究层面 | 第14页 |
| ·客户价值发现的应用层面 | 第14-15页 |
| ·民航旅客价值发现的研究层面 | 第15页 |
| ·论文研究的主要内容 | 第15-16页 |
| ·论文章节结构安排 | 第16-18页 |
| 第二章 民航旅客价值发现方法研究的理论基础 | 第18-26页 |
| ·客户关系管理 | 第18-19页 |
| ·PNR数据 | 第19-21页 |
| ·RFM客户价值模型 | 第21-22页 |
| ·AHP层次分析法 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于Hadoop的PNR数据处理方法 | 第26-44页 |
| ·Hadoop简介 | 第26-27页 |
| ·HDFS | 第27-31页 |
| ·Namenode与Datanode | 第27-29页 |
| ·分布式文件的安全性 | 第29页 |
| ·HDFS读写数据 | 第29-31页 |
| ·HDFS的不足 | 第31页 |
| ·Map/Reduce | 第31-34页 |
| ·Map/Reduce计算过程 | 第32-34页 |
| ·Map/Reduce的容错机制 | 第34页 |
| ·Hadoop处理PNR数据实例分析 | 第34-43页 |
| ·Hadoop平台的搭建 | 第34-36页 |
| ·实验数据 | 第36-38页 |
| ·实验过程 | 第38-42页 |
| ·实验结果分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于Hadoop的优化K-Means聚类算法 | 第44-54页 |
| ·K-Means聚类算法 | 第44-46页 |
| ·K-Means算法的基本思想及具体流程 | 第44-45页 |
| ·优缺点分析 | 第45-46页 |
| ·优化的K-Means聚类算法 | 第46-48页 |
| ·基于Hadoop计算数据对象间的距离 | 第48-49页 |
| ·实例分析 | 第49-53页 |
| ·标准数据实验对比 | 第49-51页 |
| ·随机数据实验对比 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于Hadoop的航线高价值旅客发现方法 | 第54-65页 |
| ·方法流程 | 第54-55页 |
| ·改进的RFD旅客价值模型 | 第55-56页 |
| ·应用AHP层次分析法确定权重 | 第56-57页 |
| ·数据处理 | 第57-59页 |
| ·数据预处理 | 第57-59页 |
| ·数据标准化 | 第59页 |
| ·计算旅客价值 | 第59页 |
| ·聚类分析高价值旅客 | 第59-64页 |
| ·应用优化的K-Means算法划分高价值旅客 | 第60-62页 |
| ·聚类结果特点分析 | 第62-63页 |
| ·预测结果验证 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |