| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第2章 相关理论基础 | 第18-30页 |
| 2.1 SSH2框架 | 第18-22页 |
| 2.1.1 Struts2 | 第18-20页 |
| 2.1.2 Spring | 第20-21页 |
| 2.1.3 Hibernate | 第21-22页 |
| 2.2 Web性能优化技术 | 第22-28页 |
| 2.2.1 数据库优化技术 | 第22-25页 |
| 2.2.2 Ajax技术 | 第25-27页 |
| 2.2.3 文件缓存 | 第27页 |
| 2.2.4 负载均衡 | 第27-28页 |
| 2.3 网站流量统计 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 化妆品商城系统实现及性能优化 | 第30-58页 |
| 3.1 系统概述 | 第30-31页 |
| 3.2 系统设计 | 第31-37页 |
| 3.2.1 系统开发框架及集成 | 第31-34页 |
| 3.2.2 数据库设计 | 第34-37页 |
| 3.3 系统实现 | 第37-44页 |
| 3.3.1 数据访问Dao实现 | 第38-39页 |
| 3.3.2 静态页面生成接口实现 | 第39-40页 |
| 3.3.3 购物车管理业务实现 | 第40-41页 |
| 3.3.4 系统功能实现 | 第41-44页 |
| 3.4 系统性能优化重点模块 | 第44-46页 |
| 3.5 系统性能优化实现 | 第46-56页 |
| 3.5.1 数据库优化 | 第46-50页 |
| 3.5.2 基于智能缓存策略优化 | 第50-55页 |
| 3.5.3 数据分页优化 | 第55-56页 |
| 3.6 本章小结 | 第56-58页 |
| 第4章 化妆品商城推荐策略研究与应用 | 第58-88页 |
| 4.1 用户信息收集 | 第58-63页 |
| 4.2 数据预处理 | 第63-65页 |
| 4.2.1 数据清洗 | 第63-64页 |
| 4.2.2 数据转换与集成 | 第64-65页 |
| 4.3 客户细分算法—HSDPSOK | 第65-84页 |
| 4.3.1 客户细分 | 第65-66页 |
| 4.3.2 客户细分的方法 | 第66-67页 |
| 4.3.3 客户细分算法选择 | 第67-79页 |
| 4.3.3.1 K-means算法 | 第68-71页 |
| 4.3.3.2 PSO算法 | 第71-74页 |
| 4.3.3.3 有效性指标SD | 第74页 |
| 4.3.3.4 基于SD与PSO的K-means算法 | 第74-79页 |
| 4.3.4 客户细分变量的选择 | 第79页 |
| 4.3.5 HSDPSOK算法进行客户细分 | 第79-81页 |
| 4.3.6 客户细分效果分析 | 第81-84页 |
| 4.4 基于客户细分的推荐策略 | 第84-86页 |
| 4.4.1 推荐类型 | 第84页 |
| 4.4.2 基于用户协同过滤算法 | 第84-86页 |
| 4.4.3 基于客户细分的协同推荐 | 第86页 |
| 4.5 本章小结 | 第86-88页 |
| 第5章 总结与展望 | 第88-90页 |
| 5.1 总结 | 第88页 |
| 5.2 工作展望 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 主要成果 | 第94-96页 |
| 致谢 | 第96页 |