基于数据挖掘的移动用户行为分析系统的构建
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 数据挖掘技术的研究现状 | 第10-11页 |
| 1.2.2 移动用户行为研究现状 | 第11-12页 |
| 1.3 论文主要工作 | 第12页 |
| 1.4 论文的章节安排 | 第12-14页 |
| 第二章 相关方法和技术 | 第14-24页 |
| 2.1 用户行为分析内容 | 第14-15页 |
| 2.2 用户行为分析方法 | 第15-16页 |
| 2.3 数据挖掘过程 | 第16-17页 |
| 2.4 Hadoop分布式平台 | 第17-19页 |
| 2.5 算法研究与选择 | 第19-23页 |
| 2.5.1 BP神经网络算法 | 第19-20页 |
| 2.5.2 遗传算法 | 第20-22页 |
| 2.5.3 粒子群算法 | 第22-23页 |
| 2.6 本章小节 | 第23-24页 |
| 第三章 网络用户行为系统需求与设计 | 第24-46页 |
| 3.1 可行性分析 | 第24-25页 |
| 3.2 系统总体需求 | 第25-29页 |
| 3.2.1 系统的功能性需求 | 第25-28页 |
| 3.2.2 系统的非功能性需求 | 第28-29页 |
| 3.3 系统总体设计 | 第29-31页 |
| 3.3.1 系统总体架构 | 第29-30页 |
| 3.3.2 系统功能设计 | 第30-31页 |
| 3.4 主要模块的详细设计 | 第31-40页 |
| 3.4.1 网络爬虫模块 | 第31-33页 |
| 3.4.2 数据处理模块 | 第33-35页 |
| 3.4.3 业务分析模块 | 第35-39页 |
| 3.4.4 用户管理模块 | 第39-40页 |
| 3.5 数据库设计 | 第40-45页 |
| 3.5.1 概念结构设计 | 第40-42页 |
| 3.5.2 物理结构设计 | 第42-45页 |
| 3.6 本章小节 | 第45-46页 |
| 第四章 网络行为预测方法 | 第46-52页 |
| 4.1 BP神经网络预测模型设计 | 第46-47页 |
| 4.2 改进的PSO-GA-BP算法 | 第47-48页 |
| 4.2.1 改进的PSO算法 | 第47页 |
| 4.2.2 遗传算法GA | 第47-48页 |
| 4.3 基于改进的PSO-GA-BP算法步骤 | 第48-49页 |
| 4.4 实验及结果分析 | 第49-51页 |
| 4.4.1 仿真条件 | 第49-50页 |
| 4.4.2 实验结果 | 第50-51页 |
| 4.4.3 实验分析 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 系统实现与应用 | 第52-68页 |
| 5.1 系统开发工具 | 第52页 |
| 5.2 系统组网架构 | 第52-53页 |
| 5.3 系统测试 | 第53-60页 |
| 5.3.1 测试计划 | 第53页 |
| 5.3.2 测试过程 | 第53-54页 |
| 5.3.3 测试结果及界面展示 | 第54-60页 |
| 5.4 系统应用 | 第60-67页 |
| 5.4.1 手机APP流量分析 | 第60-63页 |
| 5.4.2 专题预测 | 第63-67页 |
| 5.5 本章小节 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 附录 攻读硕士学位期间撰写的论文 | 第72-73页 |
| 致谢 | 第73页 |
