基于Hadoop移动大数据的用户行为分析

摘要

当今世界已进入大数据时代。对于通信运营商而言，随着移动互联网技术的发展，获取了大量用户数据。通过对这些数据进行分析，包括用户的位置分布、上网趋势，消费行为等分析，有助于通信运营商改善运营模式、满足用户需求。本文主要针对移动大数据的分析处理方法展开研究，利用 Hadoop移动大数据平台，对移动大数据进行存储和处理，并以实际项目为案例背景，提出了改进的K-means算法，对用户流动性、用户流量等用户行为进行分析，验证了移动用户行为分析方法的有效性。本文的主要工作包括：
　　首先，基于湖北移动大数据 Hadoop平台及用户数据资源，运用 Hive、ArcGIS等技术，针对《2016“汉马”大数据报告》项目，进行了用户数据的预处理与可视化分析；并对移动用户流动性与用户使用流量进行了相关性分析，得到了用户流动性与用户流量正相关的结论。
　　然后，针对 K-means容易取局部最优解的缺陷，提出了通过欧氏距离来选出密度最大若干个初始点的改进方法，将改进算法运用于移动大数据用户流量行为聚类分析，并利用移动大数据 Hadoop平台计算资源进行了实验，实验结果表明K-means改进算法在不影响效率的情况下，可以提高运算一定的准确率。

目录

声明

第1章 绪论

1.1论文的研究背景与意义

1.2国内外研究现状

1.3论文主要工作与结构安排

第2章 移动大数据Hadoop平台介绍

2.1移动大数据的特点与分析难点

2.2移动大数据Hadoop平台

2.3移动大数据Hadoop平台功能

2.4本章小结

第3章 基于移动大数据Hadoop平台的用户行为分析

3.1项目背景

3.2需求分析

3.3用户流动行为分析流程

3.4数据来源

3.5数据预处理

3.5.1预处理步骤

3.6用户流动性与流量分析

3.6.1用户流动性分析

3.7本章小结

第4章 基于K-means改进算法的用户流量聚类分析

4.1K-means改进算法

4.2实现方案

4.3实验环境

4.4实验结果

4.5本章小结

第5章 总结与展望

参考文献

致谢