| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景 | 第9-11页 |
| 1.1.1 无线网络业务与用户行为现状 | 第10-11页 |
| 1.1.2 大数据时代的机遇和挑战 | 第11页 |
| 1.2 本文研究意义 | 第11-12页 |
| 1.3 课题来源 | 第12页 |
| 1.4 国内外研究现状 | 第12-14页 |
| 1.5 论文内容安排 | 第14-15页 |
| 第二章 海量无线网络数据的处理方法与应用 | 第15-39页 |
| 2.1 数据的预处理方法 | 第16-17页 |
| 2.1.1 主成分分析 | 第16-17页 |
| 2.1.2 结构化处理 | 第17页 |
| 2.2 挖掘算法的介绍与无线通信领域的应用 | 第17-24页 |
| 2.2.1 分类算法简介 | 第17-18页 |
| 2.2.2 经典分类算法的对比分析 | 第18-20页 |
| 2.2.3 聚类分析简介 | 第20-21页 |
| 2.2.4 经典聚类算法的对比分析 | 第21-24页 |
| 2.3 大数据分析算法应用于网络业务和用户行为挖掘 | 第24-37页 |
| 2.3.1 基于聚类分析的LTE务与资源的多维度预测 | 第24-30页 |
| 2.3.2 基于KNN分类算法的最佳匹配预测算法 | 第30-32页 |
| 2.3.3 基于最小生成树的业务并发度分析 | 第32-37页 |
| 2.4 本章小节 | 第37-39页 |
| 第三章 Hadoop分布式系统的搭建与平台实现 | 第39-45页 |
| 3.1 系统架构 | 第39-40页 |
| 3.2 HADOOP底层的实现 | 第40-43页 |
| 3.2.1 分布式计算环境简介 | 第40-41页 |
| 3.2.2 分布式框架的搭建 | 第41-42页 |
| 3.2.3 分布式集群的处理能力和运行性能 | 第42-43页 |
| 3.3 数据层与算法层的实现 | 第43页 |
| 3.4 显示层的实现 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 面向无线网络的大数据分析平台的应用 | 第45-55页 |
| 4.1 平台所解决的问题 | 第45-46页 |
| 4.2 平台基本功能 | 第46-49页 |
| 4.2.1 完善的数据仓库 | 第46页 |
| 4.2.2 完整的研究范围 | 第46-48页 |
| 4.2.3 完备的数据展示方式 | 第48-49页 |
| 4.3 平台的应用 | 第49-54页 |
| 4.3.1 基本统计分析模块 | 第50-52页 |
| 4.3.2 用户、业务与资源的关联预测模块 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55-56页 |
| 5.2 下一步研究计划 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61页 |