| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-12页 |
| 1.2.1 理论意义 | 第10-11页 |
| 1.2.2 实践意义 | 第11-12页 |
| 1.3 研究现状 | 第12-15页 |
| 1.3.1 云计算研究现状 | 第12-13页 |
| 1.3.2 关于服装流行趋势预测的相关研究 | 第13页 |
| 1.3.3 关于服装流行趋势预测机制的变化和发展研究 | 第13-14页 |
| 1.3.4 大数据环境对服装流行趋势预测机制的影响 | 第14页 |
| 1.3.5 研究的必然性与可行性 | 第14-15页 |
| 1.4 研究目的 | 第15-16页 |
| 1.4.1 架构云计算环境下的服装流行趋势预测机制 | 第15-16页 |
| 1.4.2 提高服装流行趋势预测的效率和准确度 | 第16页 |
| 1.4.3 建立一个更加全面的预测机制 | 第16页 |
| 1.4.4 将各个方面的理论实现在大数据环境中 | 第16页 |
| 1.5 研究内容 | 第16-18页 |
| 1.5.1“云计算”的应用方式 | 第16页 |
| 1.5.2“预测机制”的实现 | 第16-17页 |
| 1.5.3 基于云计算下的服装流行趋势预测机制的架构和应用 | 第17-18页 |
| 1.6 研究方法和技术路线 | 第18页 |
| 1.6.1 研究方法 | 第18页 |
| 1.6.2 技术路线 | 第18页 |
| 1.7 论文框架 | 第18-19页 |
| 1.8 本章小结 | 第19页 |
| 第二章 云计算基础 | 第19-26页 |
| 2.1 云计算的概念 | 第19-20页 |
| 2.2 云计算的兴起 | 第20-21页 |
| 2.2.1 云计算兴起的原因 | 第20-21页 |
| 2.2.2 云计算兴起和发展 | 第21页 |
| 2.3 云计算的分类 | 第21-23页 |
| 2.3.1 基础设施即服务（IaaS） | 第22页 |
| 2.3.2 平台即服务（PaaS） | 第22-23页 |
| 2.3.3 软件即服务（SaaS） | 第23页 |
| 2.4 云计算的应用现状 | 第23-25页 |
| 2.4.1 国外云计算的现状 | 第24页 |
| 2.4.2 中国云计算的现状 | 第24-25页 |
| 2.5 云计算与大数据 | 第25页 |
| 2.5.1 云计算下数据的存储 | 第25页 |
| 2.5.2 大数据可视化分析法 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于传统的服装流行趋势预测机制的归纳分析 | 第26-30页 |
| 3.1 服装流行趋势预测的发展及现状 | 第26-28页 |
| 3.1.1 服装流行趋势预测的发展 | 第26-27页 |
| 3.1.2 服装流行趋势预测方法的现状 | 第27-28页 |
| 3.2 传统服装流行趋势预测机制归纳及要素分析 | 第28-29页 |
| 3.2.1 传统服装流行趋势预测机制归纳 | 第28-29页 |
| 3.2.2 传统服装流行趋势预测机制的要素分析 | 第29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于云计算的服装流行趋势预测基础 | 第30-37页 |
| 4.1 基于云计算的服装流行趋势预测机制 | 第30页 |
| 4.2 服装流行趋势预测数据的搜集环节 | 第30-32页 |
| 4.2.1 服装流行趋势预测所需的数据类型 | 第31页 |
| 4.2.2 数据的查找和调用 | 第31-32页 |
| 4.3 服装流行趋势预测数据的分析环节 | 第32-34页 |
| 4.3.1 数据的分析 | 第32-33页 |
| 4.3.2 数据的归类 | 第33-34页 |
| 4.4 服装流行趋势预测结果的编辑、传播与反馈 | 第34-35页 |
| 4.4.1 服装流行趋势预测数据的编辑 | 第34页 |
| 4.4.2 服装流行趋势预测结果的传播 | 第34-35页 |
| 4.4.3 服装流行趋势预测结果的反馈 | 第35页 |
| 4.5 服装流行趋势预测在云计算环境中可能遇到的问题分析 | 第35-36页 |
| 4.5.1 数据的量化难题 | 第35页 |
| 4.5.2 趋势预测平台搭建难题 | 第35-36页 |
| 4.6 本章小结 | 第36-37页 |
| 第五章 云计算环境中服装流行趋势预测数据的数据量化 | 第37-44页 |
| 5.1 数据量化的概念、目的及意义 | 第37-38页 |
| 5.1.1 数据量化的概念 | 第37页 |
| 5.1.2 数据量化的目的 | 第37-38页 |
| 5.1.3 数据量化的意义 | 第38页 |
| 5.2 服装流行趋势预测数据量化的规则制定 | 第38-40页 |
| 5.3 数据量化的细分程度 | 第40页 |
| 5.4 数据量化模型的选取 | 第40-43页 |
| 5.5 量化数据的录入和处理 | 第43-44页 |
| 5.6 本章小结 | 第44页 |
| 第六章 基于实例的云计算服装流行趋势预测机制分析 | 第44-52页 |
| 6.1 基于实例的云计算简介 | 第44-47页 |
| 6.1.1 实例项目介绍 | 第44-45页 |
| 6.1.2 服装流行趋势预测平台的结构 | 第45-47页 |
| 6.1.3 笔者参与的项目部分说明 | 第47页 |
| 6.2 流行趋势板块成果生成流程 | 第47-51页 |
| 6.2.1 数据的搜集环节 | 第48-49页 |
| 6.2.2 数据的分析环节 | 第49-50页 |
| 6.2.3 数据的成果与反馈环节 | 第50-51页 |
| 6.3 流行趋势预测板块的提升空间 | 第51-52页 |
| 6.3.1 数据录入规则维护 | 第51-52页 |
| 6.3.2 数据类型扩展 | 第52页 |
| 6.4 本章小结 | 第52页 |
| 第七章 结论与展望 | 第52-55页 |
| 7.1 论文成果 | 第52-53页 |
| 7.2 创新点 | 第53-54页 |
| 7.3 未来研究方向 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 1.数据字典编写实例 | 第58-66页 |
| 附录 2.实例展示《2014秋冬女装大衣色彩秀场分析》 | 第66-74页 |
| 攻读学位期间的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
