本文關(guān)鍵詞：移動互聯(lián)網(wǎng)中海量用戶數(shù)據(jù)的分析與研究

  更多相關(guān)文章： 移動互聯(lián)網(wǎng) epoll Redis 數(shù)據(jù)挖掘 數(shù)據(jù)分析平臺

【摘要】：在當(dāng)今社會,隨著智能移動終端的高速發(fā)展與普及,移動互聯(lián)網(wǎng)產(chǎn)業(yè)正逐步趕超傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)業(yè),成為人們生活、工作、學(xué)習(xí)中不可或缺的一部分�，F(xiàn)在人們已經(jīng)可以隨時隨地獲取信息,通信聯(lián)絡(luò),學(xué)習(xí)知識,分享與表達。與之相應(yīng)的,蘊藏著豐富價值的移動數(shù)據(jù)也正以指數(shù)級的速度爆發(fā)增長,但與傳統(tǒng)互聯(lián)網(wǎng)不同,移動互聯(lián)網(wǎng)有著移動性、復(fù)雜性等特點,使得大家在研究移動互聯(lián)網(wǎng)數(shù)據(jù)時不能簡簡單單的照搬傳統(tǒng)互聯(lián)網(wǎng)的思路。如何將現(xiàn)有的通信技術(shù),信息采集技術(shù),數(shù)據(jù)挖掘技術(shù)應(yīng)用到移動互聯(lián)網(wǎng)中來,將是日后技術(shù)應(yīng)用領(lǐng)域的重點研究方向。 本篇論文將結(jié)合移動互聯(lián)網(wǎng)數(shù)據(jù)的特征,在分析研究傳統(tǒng)數(shù)據(jù)挖掘算法的基礎(chǔ)上,將基于劃分的聚類算法與基于層次的聚類算法相融合提出一種混合型聚類算法。該算法能夠避免隨機選取初始聚類中心的問題,使用基于劃分的聚類算法對數(shù)據(jù)集進行初始化,然后對處理后的數(shù)據(jù)集進行從下而上的基于層次的聚類分析,能夠大大提升聚類速度。最后使用R語言工具對算法進行仿真,證實了算法的合理性與有效性。以上述數(shù)據(jù)挖掘算法為理論基礎(chǔ),文章最后設(shè)計實現(xiàn)了移動互聯(lián)網(wǎng)數(shù)據(jù)分析平臺,該平臺由數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、數(shù)據(jù)存儲模塊、數(shù)據(jù)展示模塊、用戶管理模塊等組成,能夠應(yīng)用本文設(shè)計的數(shù)據(jù)挖掘算法對移動互聯(lián)網(wǎng)中的數(shù)據(jù)進行分析并將分析結(jié)果呈現(xiàn)給用戶,最終再次證實了該算法的可行性。
【關(guān)鍵詞】：移動互聯(lián)網(wǎng) epoll Redis 數(shù)據(jù)挖掘 數(shù)據(jù)分析平臺
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP311.13
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 引言9-15
• 1.1 研究背景及意義9-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 研究內(nèi)容與目標(biāo)13-14
• 1.4 論文結(jié)構(gòu)安排14-15
• 第二章 相關(guān)技術(shù)與理論的研究15-26
• 2.1. 數(shù)據(jù)挖掘技術(shù)研究與介紹15-18
• 2.1.1. 數(shù)據(jù)挖掘概述15
• 2.1.2. 數(shù)據(jù)挖掘的過程15-17
• 2.1.3. R語言工具介紹17-18
• 2.2. YII框架平臺相關(guān)技術(shù)介紹18-21
• 2.2.1. Yii框架簡介18-19
• 2.2.2. Yii框架的MVC模型19-21
• 2.3. 數(shù)據(jù)傳輸模塊相關(guān)技術(shù)研究21-22
• 2.4. 數(shù)據(jù)存儲模塊相關(guān)技術(shù)研究22-25
• 2.5. 本章小結(jié)25-26
• 第三章 移動互聯(lián)網(wǎng)數(shù)據(jù)分析算法的提出與研究26-40
• 3.1. 數(shù)據(jù)挖掘算法的選擇26-27
• 3.2. 聚類數(shù)據(jù)挖掘算法的研究27-28
• 3.3. K-MEANS算法的研究28-31
• 3.3.1. 傳統(tǒng)k-means算法28-29
• 3.3.2. 樣本與質(zhì)心的距離計算29
• 3.3.3. 質(zhì)心的重新計算29-30
• 3.3.4. 算法的停止條件30
• 3.3.5. K-means算法的優(yōu)劣30-31
• 3.4. 基于層次的聚類算法的研究31-32
• 3.4.1. 基于層次的聚類算法的流程31-32
• 3.4.2. 基于層次的聚類算法的優(yōu)劣32
• 3.5. 混合型聚類算法的研究與設(shè)計32-35
• 3.5.1. 算法原理分析32-33
• 3.5.2. 混合型聚類算法的設(shè)計33-35
• 3.6. 算法的實現(xiàn)與仿真35-39
• 3.6.1. 算法的仿真實驗過程35-39
• 3.7. 本章小結(jié)39-40
• 第四章 移動互聯(lián)網(wǎng)數(shù)據(jù)分析平臺的設(shè)計與實現(xiàn)40-62
• 4.1. 平臺的框架設(shè)計40-42
• 4.2. 基于YII框架的模塊設(shè)計42-50
• 4.2.1. Yii框架的開發(fā)流程43
• 4.2.2. 用戶管理模塊的設(shè)計43-45
• 4.2.3. 數(shù)據(jù)管理模塊的設(shè)計45-48
• 4.2.4. 數(shù)據(jù)展示模塊的設(shè)計48-50
• 4.3. 其他模塊的設(shè)計50-57
• 4.3.1. 數(shù)據(jù)采集模塊的設(shè)計50-52
• 5.3.2. Redis存儲模塊的設(shè)計52-54
• 5.3.3. 采集服務(wù)器與數(shù)據(jù)庫間通信模型的設(shè)計54-57
• 4.4. 數(shù)據(jù)的分析與展示57-61
• 4.5. 本章小結(jié)61-62
• 第五章 結(jié)束語62-65
• 5.1. 工作總結(jié)62-63
• 5.2. 工作展望63-65
• 參考文獻65-68
• 致謝68-69
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 王薇;陳金有;王麗云;;高校畢業(yè)生信用檔案管理網(wǎng)絡(luò)平臺的構(gòu)建[J];實驗室研究與探索;2012年09期

2 程偉根;危建國;吳荷紅;;基于YII框架的實驗室管理系統(tǒng)設(shè)計與實現(xiàn)[J];軟件導(dǎo)刊;2012年11期

，

本文編號：586113