摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-18页 |
1.1 研究背景及意义 | 第9-11页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究目的及意义 | 第10-11页 |
1.2 国内外发展现状 | 第11-14页 |
1.2.1 互联网+健身国内外发展现状 | 第11-12页 |
1.2.2 大数据机器学习国内外发展现状 | 第12-14页 |
1.3 论文的主要工作及主要贡献 | 第14-17页 |
1.3.1 课题来源 | 第14-15页 |
1.3.2 论文主要工作 | 第15-16页 |
1.3.3 论文主要贡献 | 第16-17页 |
1.4 论文组织结构 | 第17-18页 |
第2章 相关技术介绍 | 第18-30页 |
2.1 互联网+相关技术介绍 | 第18-23页 |
2.1.1 NFC近场通讯技术 | 第18-19页 |
2.1.2 Web前端开发技术 | 第19-21页 |
2.1.3 PhoneGap技术 | 第21-23页 |
2.2 大数据与机器学习相关技术介绍 | 第23-25页 |
2.2.1 Hadoop大数据平台 | 第23-24页 |
2.2.2 Spark大数据平台 | 第24-25页 |
2.2.3 机器学习技术 | 第25页 |
2.3 推荐系统技术介绍 | 第25-30页 |
2.3.1 推荐系统简介 | 第25-26页 |
2.3.2 基于协同过滤的推荐算法 | 第26-28页 |
2.3.3 矩阵分解 | 第28页 |
2.3.4 交替最小二乘法(ALS) | 第28-30页 |
第3章 互联网+健身系统设计与实现 | 第30-52页 |
3.1 “互联网+健身”设计思路 | 第30-31页 |
3.2 利用PhoneGap技术封装移动APP | 第31-33页 |
3.3 基于NFC技术实现健身设备联网 | 第33-35页 |
3.4 移动健身APP功能及其实现 | 第35-47页 |
3.4.1 移动健身APP的基本功能 | 第35-42页 |
3.4.2 基于WebSocket技术实现节能排行榜数据实时更新 | 第42-47页 |
3.5 后端技术与服务器环境搭建技术 | 第47-52页 |
3.5.1 后端技术实现 | 第47-50页 |
3.5.2 服务器的设计与搭建 | 第50-52页 |
第4章 大数据平台的设计与实现 | 第52-63页 |
4.1 大数据平台需求分析 | 第52页 |
4.2 大数据平台的选择 | 第52-53页 |
4.3 基于Spark的大数据平台设计和实现 | 第53-63页 |
4.3.1 Spark基本功能 | 第53-55页 |
4.3.2 Spark大数据平台的搭建与运行 | 第55-60页 |
4.3.3 Spark平台健身数据的提取 | 第60-63页 |
第5章 基于大数据平台的推荐系统设计与实现 | 第63-79页 |
5.1 互联网+健身模式下推荐系统设计 | 第63-64页 |
5.2 推荐模型选择 | 第64页 |
5.3 矩阵分解模型 | 第64-67页 |
5.4 矩阵分解最优化算法 | 第67-70页 |
5.5 基于Spark平台的推荐系统实现 | 第70-79页 |
第6章 总结与展望 | 第79-81页 |
致谢 | 第81-82页 |
参考文献 | 第82-85页 |
攻读硕士学位期间的研究成果 | 第85页 |