基于大数据Hadoop的企业财务管理系统研究

为解决企业财务数据的不规范、低效率等问题,并且在繁杂海量的财务信息中获取最有经济价值的信息,文章根据目前企业财务管理系统现状,构建了基于大数据的企业财务数据管理系统,将用Canopy优化的K-means算法与Hadoop平台相结合,后台采用NoSQL数据库管理,来提高企业财务管理规范性、效率,达到增加经济效益的目的。由于K-means 算法存在需要事先设定参数k和初始中心点两个问题,因此用Canopy算法对数据进行初步处理来解决这两问题,再用K-means进一步聚类,得到更好的聚类效果,提高了企业处理财务数据的准确性、时效性,为企业运营决策提供理论依据及基础技术支撑。

基于大数据的智能图书管理系统的研究与设计

本文分析中小学图书馆系统中现存的问题,提出一款基于大数据的图书管理系统的研究和设计方案。利用大数据技术的相关算法对图书信息分类整理,给用户提供个性化推荐并提高其使用效率,也能让管理员能更方便地管理图书及用户信息,提高图书资源的使用率。

基于K-means的校园学生微信消费行为研究

为研究校园学生的消费行为规律,以校内食堂的学生微信消费记录为数据基础,结合数据挖掘技术对其进行研究分析,尝试挖掘出学生消费的行为规律。通过对原始数据进行预处理、计算相关系数、选取最佳K值和评估轮廓系数,采用K均值聚类算法找出不同消费行为的学生群体,研究分析其不同群体的消费行为规律特征。研究结果表明,该算法将学生分成了低中高水平的消费群体,得出了不同时段学生在食堂各楼层的消费习惯。