基于云计算的智能电网数据挖掘的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·论文的研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·智能电网数据挖掘的研究现状 | 第10-11页 |
| ·云计算国内外研究现状 | 第11页 |
| ·论文研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第2章 智能电网数据挖掘算法与云计算基本知识介绍 | 第13-23页 |
| ·数据挖掘基本知识介绍 | 第13-15页 |
| ·数据挖掘定义 | 第13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·数据挖掘算法介绍 | 第14-15页 |
| ·云计算核心知识介绍 | 第15-22页 |
| ·HDFS 分布式存储系统介绍 | 第15-17页 |
| ·MapReduce 并行计算框架介绍 | 第17-20页 |
| ·MapReduce 框架与其它并行技术比较 | 第20-21页 |
| ·HBase 基本知识介绍 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于云计算的并行聚类算法 | 第23-39页 |
| ·基于云计算的 K-MEANS 算法 | 第23-28页 |
| ·传统的 k-means 算法基本思想 | 第23-24页 |
| ·算法主要函数 | 第24-25页 |
| ·并行化 k-means 算法设计 | 第25-26页 |
| ·并行化 k-means 算法实现 | 第26-28页 |
| ·基于云计算的 CANOPY 算法 | 第28-30页 |
| ·传统的 canopy 算法基本思想 | 第28页 |
| ·传统的 canopy 算法基本框架 | 第28-29页 |
| ·并行化 canopy 算法设计与实现 | 第29-30页 |
| ·两个并行化算法结合 | 第30-31页 |
| ·HADOOP 平台搭建 | 第31-36页 |
| ·集群环境的主机规划 | 第31-32页 |
| ·Hadoop 集群搭建过程 | 第32-36页 |
| ·算法效率比较 | 第36页 |
| ·应用实例 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于云计算的负荷预测算法 | 第39-48页 |
| ·传统的 LWLR 算法基本思想 | 第39-40页 |
| ·基于云计算的 LWLR 算法设计与实现 | 第40-44页 |
| ·并行 LWLR 算法的并行化设计 | 第40-43页 |
| ·并行化 LWLR 算法的主要实现 | 第43-44页 |
| ·案例应用 | 第44-46页 |
| ·数据处理效率对比 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| ·本文工作总结 | 第48-49页 |
| ·未来工作展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |
