| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 客户细分研究 | 第10-12页 |
| 1.2.2 数据处理架构研究 | 第12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 论文组织架构 | 第13-14页 |
| 第二章 理论基础与技术 | 第14-21页 |
| 2.1 Spark大数据系统 | 第14-17页 |
| 2.1.1 Spark Core | 第14-16页 |
| 2.1.2 Spark Streaming | 第16-17页 |
| 2.1.3 Spark SQL | 第17页 |
| 2.1.4 MLlib | 第17页 |
| 2.1.5 GraphX | 第17页 |
| 2.2 Scala语言 | 第17页 |
| 2.3 客户细分 | 第17-20页 |
| 2.3.1 客户细分的原则 | 第18页 |
| 2.3.2 客户细分的方法 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 航空客户原始数据预处理及特征构造 | 第21-32页 |
| 3.1 南航客户原始数据及其预处理 | 第21-24页 |
| 3.1.1 数据集成 | 第21-23页 |
| 3.1.2 数据清洗 | 第23-24页 |
| 3.2 特征构造 | 第24-29页 |
| 3.2.1 构造衍生变量 | 第24-27页 |
| 3.2.2 对衍生变量进行相关性分析 | 第27-29页 |
| 3.3 数据标准化 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 Spark平台下K-Means的并行化实现 | 第32-37页 |
| 4.1 K-Means聚类算法原理 | 第32-33页 |
| 4.2 K-Means算法特征分析 | 第33-34页 |
| 4.3 K-Means算法在Spark平台上的并行化设计 | 第34-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第五章 Spark平台下K-Means优化算法的并行化实现 | 第37-48页 |
| 5.1 Canopy算法 | 第37-39页 |
| 5.1.1 Canopy思想 | 第37页 |
| 5.1.2 Canopy算法步骤 | 第37-39页 |
| 5.2 改进算法—Canopy-Kmeans（CNK）算法并行化设计 | 第39-43页 |
| 5.2.1 CNK算法思想 | 第39-42页 |
| 5.2.2 基于Spark平台的Canopy-Kmeans（CNK）算法并行化设计 | 第42-43页 |
| 5.3 基于Spark平台的Canopy-Kmeans（CNK）算法并行化实现 | 第43-45页 |
| 5.4 实例分析 | 第45-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第六章 实验结果与分析 | 第48-58页 |
| 6.1 航空业客户细分需求分析 | 第48页 |
| 6.2 航空业客户细分流程 | 第48-49页 |
| 6.3 实验环境 | 第49-51页 |
| 6.3.1 实验运行平台 | 第49-50页 |
| 6.3.2 实验平台搭建 | 第50-51页 |
| 6.4 实验结果及其分析 | 第51-56页 |
| 6.4.1 客户细分结果 | 第51-54页 |
| 6.4.2 对细分结果的分析及建议 | 第54-56页 |
| 6.5 模型稳定性评估 | 第56-57页 |
| 6.6 本章小结 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |
