書籍信息,內容簡介,圖書目錄,
書籍信息
作者：盛步雲,蕭箏,雷兵
出版時間：2018-01-01
出版社：武漢理工大學出版社
ISBN：978-7-5629-5379-1
版次：1頁數：96開本：16開
紙書定價：￥72.0
內容簡介
本書首先介紹了大數據時代的背景與意義、數字製造與產品配置、大數據時代的挑戰，以及基於大數據的客戶需求信息的概念界定，然後闡述了客戶需求信息標準化的相關模型、大數據客戶需求信息挖掘、產品智慧型配置、規範化信息處理、人工智慧的套用，最後以實例來解析上述理論和方法。
圖書目錄
目錄:
1 緒論
1．1 背景和意義
1．2 數字製造與產品配置
1．2．1 數字製造
1．2．2 產品配置
1．3 大數據時代的挑戰
1．3．1 大數據與製造業大數據時代
1．3．2 大數據與製造企業大數據現狀
1．3．3 大數據處理流程
1．3．4 大數據的關鍵技術
1．3．5 大數據與製造企業所面l臨的挑戰
1．3．6 大數據技術發展趨勢
1．3．7 大數據產業發展重點
1．3．8 大數據未來發展建議
參考文獻 2 基於大數據的客戶需求信息的概念界定
2．1 大數據的概念和內涵
2．1．1 大數據概念的提出
2．1．2 大數據的特徵
2．1．3 大數據挖掘流程
2．1．4 大數據的套用領域
2．2 基於Hadoop的大數據處理
2．2．1 HDFS體系結構
2．2．2 HBase分散式資料庫
2．2．3 MapReduce計算模型
2．3 網際網路的客戶需求信息獲取框架
2．3．1 數據清理
2．3．2 用戶識別
2．3．3 關鍵字提取
參考文獻 3 標準化客戶需求信息相關模型
3．1 標準化客戶需求信息獲取模型
3．2 標準化客戶需求信息的結構和表達模型
3．2．1 標準化客戶需求信息的結構模型
3．2．2 標準化客戶需求信息的表達模型
3．3 標準化客戶需求信息的知識庫模型
3．3．1 客戶需求知識表達
3．3．2 客戶需求知識庫模型的構建
參考文獻 4 大數據客戶需求信息處理技術
4．1 大數據客戶需求信息存儲
4．1．1 HBase數據存儲原理
4．1．2 HBase存儲客戶需求信息的整體架構
4．1．3 Hbase中客戶需求信息存儲表設計
4．2 大數據客戶需求信息預處理技術
4．2．1 客戶需求特徵屬性提取
4．2．2 客戶需求信息的定量標定
4．3 大數據客戶需求信息數據挖掘技術
4．3．1 基於MapRedLice的K-Means算法的設計與實現
4．3．2 基於MapRecluce的KNN算法設計與實現
4．3．3 樸素貝葉斯分類並行算法的設計與實現
4．3．4 決策樹並行分類算法
4．4 大數據客戶需求信息推薦技術
4．4．1 推薦系統
4．4．2 MapReduce推薦算法設計
1 緒論
1．1 背景和意義
1．2 數字製造與產品配置
1．2．1 數字製造
1．2．2 產品配置
1．3 大數據時代的挑戰
1．3．1 大數據與製造業大數據時代
1．3．2 大數據與製造企業大數據現狀
1．3．3 大數據處理流程
1．3．4 大數據的關鍵技術
1．3．5 大數據與製造企業所面l臨的挑戰
1．3．6 大數據技術發展趨勢
1．3．7 大數據產業發展重點
1．3．8 大數據未來發展建議
參考文獻 2 基於大數據的客戶需求信息的概念界定
2．1 大數據的概念和內涵
2．1．1 大數據概念的提出
2．1．2 大數據的特徵
2．1．3 大數據挖掘流程
2．1．4 大數據的套用領域
2．2 基於Hadoop的大數據處理
2．2．1 HDFS體系結構
2．2．2 HBase分散式資料庫
2．2．3 MapReduce計算模型
2．3 網際網路的客戶需求信息獲取框架
2．3．1 數據清理
2．3．2 用戶識別
2．3．3 關鍵字提取
參考文獻 3 標準化客戶需求信息相關模型
3．1 標準化客戶需求信息獲取模型
3．2 標準化客戶需求信息的結構和表達模型
3．2．1 標準化客戶需求信息的結構模型
3．2．2 標準化客戶需求信息的表達模型
3．3 標準化客戶需求信息的知識庫模型
3．3．1 客戶需求知識表達
3．3．2 客戶需求知識庫模型的構建
參考文獻 4 大數據客戶需求信息處理技術
4．1 大數據客戶需求信息存儲
4．1．1 HBase數據存儲原理
4．1．2 HBase存儲客戶需求信息的整體架構
4．1．3 Hbase中客戶需求信息存儲表設計
4．2 大數據客戶需求信息預處理技術
4．2．1 客戶需求特徵屬性提取
4．2．2 客戶需求信息的定量標定
4．3 大數據客戶需求信息數據挖掘技術
4．3．1 基於MapRedLice的K-Means算法的設計與實現
4．3．2 基於MapRecluce的KNN算法設計與實現
4．3．3 樸素貝葉斯分類並行算法的設計與實現
4．3．4 決策樹並行分類算法
4．4 大數據客戶需求信息推薦技術
4．4．1 推薦系統
4．4．2 MapReduce推薦算法設計
