| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 章节安排 | 第13-14页 |
| 第2章 理论基础 | 第14-22页 |
| 2.1 Spark分布式平台 | 第14-16页 |
| 2.1.1 Spark简介 | 第14-15页 |
| 2.1.2 Spark设计思想 | 第15-16页 |
| 2.1.3 Spark架构 | 第16页 |
| 2.2 群智能优化算法 | 第16-18页 |
| 2.2.1 粒子群优化算法 | 第17页 |
| 2.2.2 蚁群算法 | 第17-18页 |
| 2.3 神经网络 | 第18-21页 |
| 2.3.1 神经元模型 | 第19-20页 |
| 2.3.2 神经网络模型 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于BSA算法优化的神经网络 | 第22-34页 |
| 3.1 神经网络学习方法及其优缺点 | 第22-27页 |
| 3.1.1 基于误差修正的算法及其优缺点 | 第22-23页 |
| 3.1.2 基于遗传算法的学习方法及其优缺点 | 第23-26页 |
| 3.1.3 基于群智能算法的神经网络与其优缺点 | 第26-27页 |
| 3.2 BP神经网络 | 第27-29页 |
| 3.2.1 BP神经网络的概述 | 第27-28页 |
| 3.2.2 BP神经网络的学习过程 | 第28-29页 |
| 3.2.3 BP神经网络的优缺点 | 第29页 |
| 3.3 基于鸟群优化 BSA 算法的神经网络算法——BSANN 算法 | 第29-33页 |
| 3.3.1 BSA算法 | 第29-31页 |
| 3.3.2 BSANN算法 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 用户行为建模 | 第34-40页 |
| 4.1 用户消费行为的定义 | 第34页 |
| 4.2 用户行为的神经网络模型 | 第34-35页 |
| 4.3 用户行为的特征 | 第35-36页 |
| 4.4 用户行为的特征选择 | 第36-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 基于Spark的行为预测系统与实验分析 | 第40-52页 |
| 5.1 Spark环境 | 第40-42页 |
| 5.2 算法在Spark上的并行化 | 第42页 |
| 5.3 实验结果与分析 | 第42-46页 |
| 5.3.1 数据处理 | 第42-44页 |
| 5.3.2 实验结果 | 第44-46页 |
| 5.4 用户行为预测系统 | 第46-51页 |
| 5.4.1 系统设计 | 第46-48页 |
| 5.4.2 系统登录模块 | 第48-49页 |
| 5.4.3 数据处理模块 | 第49-50页 |
| 5.4.4 学习预测模块 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 今后工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间参加的科研项目和成果 | 第58页 |