本课题聚焦垃圾分类智能化推进需求，设计开发基于图像识别的智能垃圾分类系统。项目以SpringBoot作为后端核心框架，搭配MySQL实现垃圾类别数据、用户操作记录、系统日志等数据的持久化存储，融合图像识别算法（如YOLOv5）实现垃圾图像的精准识别，前端采用Vue.js构建直观交互界面（可适配Web端及小程序），形成“图像识别核心+后端服务支撑+前端便捷交互”的全栈解决方案。核心功能涵盖垃圾图像上

基于大数据的图书推荐系统，针对传统图书推荐中信息过载、用户需求与图书匹配低效的痛点，以大数据技术为核心，整合数据采集、分析挖掘与智能推荐技术，构建 “数据整合 - 用户洞察 - 精准推荐” 体系：采集图书基础信息（作者、品类、内容摘要）、用户行为数据（浏览、收藏、借阅、评价）及行业热度数据，通过 Hadoop 存储海量数据，用 Spark MLlib 构建协同过滤与内容推荐模型，生成个性化书单，支

在数字化浪潮推动下，旅游业正从传统 “经验驱动” 向 “数据驱动” 转型，但行业仍面临多重痛点：游客面对海量旅游信息时，常因筛选成本高、信息匹配度低，陷入 “选择困难”，难以快速找到适配自身需求的行程；旅游商家受制于信息不对称，营销多依赖传统模式，存在获客成本高、资源配置效率低的问题，旺季客流量激增时易出现服务断层，淡季又面临资源闲置；行业管理者缺乏实时、全面的数据支撑，对景区人流调控、服务质量优

随着全球气候变暖，台风灾害发生频率与强度逐年攀升，其引发的强风、暴雨、风暴潮等次生灾害，对沿海地区居民生命财产安全、基础设施稳定及农业生产造成严重威胁。当前传统台风预测模式存在明显局限：一方面，依赖有限气象观测站点数据，难以全面捕捉台风生成、移动过程中的复杂气象因子变化，导致预测精度受地域与数据量限制，尤其对台风登陆时间、路径偏移及灾害影响范围的预判存在滞后性；另一方面，传统模型对历史台风数据、实

基于大数据的化妆品销售系统，针对传统化妆品销售中用户需求匹配模糊、销售策略缺乏数据支撑的痛点，以大数据技术为核心，整合数据采集、分析挖掘与精准营销技术，构建 “数据整合 - 需求洞察 - 智能销售” 体系：采集用户消费行为、肤质特征、评价反馈及市场行情数据，通过 Hadoop 处理海量数据，用 Spark 进行用户画像构建与消费趋势预测，实现个性化产品推荐与动态定价，支持商家查看销售热力图、库存预

随着城市交通网络日益复杂及居民出行需求多样化，传统出行方式选择依赖主观经验，存在效率低下、匹配度不足等问题，难以适配不同用户的出行场景与偏好。本课题旨在设计并实现基于Hadoop大数据的出行方式推荐系统，核心目标是依托Hadoop生态的分布式存储与计算能力，整合交通路况、用户出行历史、天气、时间等多维度数据，通过大数据分析与推荐算法，为用户提供精准、实时的出行方式推荐服务。系统将集成数据采集、出行

随着全民健康意识的提升，个性化饮食管理需求日益增长，但传统饮食建议存在普适性强、精准度不足等问题，难以适配不同用户的身体状况、饮食偏好及健康目标。本课题旨在设计并实现基于Hadoop的健康饮食推荐系统，核心目标是依托Hadoop生态的分布式存储与计算能力，整合用户身体数据、饮食历史、食材营养成分、季节气候等多维度数据，通过大数据分析与推荐算法，为用户提供精准、个性化的健康饮食推荐服务。系统将集成数

随着文旅融合趋势加深及宁波旅游产业的蓬勃发展，游客对当地特色旅游服务与周边产品的需求日益增长，但现有服务存在推荐精准度不足、旅游与消费场景割裂等问题，难以满足游客个性化出行与购物需求。本课题旨在设计并实现基于Hadoop的宁波旅游推荐周边商城，核心目标是依托Hadoop生态的分布式存储与计算能力，整合宁波景点资讯、出行路况、用户偏好及本地特色周边产品数据，通过大数据分析与推荐算法，为游客提供精准的

随着金融科技的快速发展，信贷业务规模持续扩大，但传统信贷风险评估存在数据处理效率低、评估维度单一、预测精准度不足等问题，难以满足金融机构对风险管控的精细化需求。本课题旨在设计并实现基于Hadoop的信贷风险评估的数据可视化分析与预测系统，核心目标是依托Hadoop生态的分布式存储与高效计算能力，整合借款人信用数据、交易流水、资产信息、行业特征等多维度数据，通过大数据分析、机器学习预测算法及数据可视

本课题聚焦南昌房价数据分析，基于 Spark 大数据框架构建一体化分析系统，旨在挖掘房价核心影响因素、呈现价格分布特征并实现趋势预测。课题以南昌各行政区房产数据为核心研究对象，数据源涵盖住建局备案数据、房产平台公开信息及宏观经济数据，通过 Scrapy 爬虫与 Flume 完成多源数据采集，经 HDFS 存储原始数据后，依托 Spark Core 实现数据去重、缺失值处理、异常值过滤等预处理操作，