| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 关联规则研究现状 | 第10-12页 |
| 1.2.2 智能用电研究现状 | 第12-14页 |
| 1.3 本文研究的内容 | 第14页 |
| 1.4 论文的组织 | 第14-16页 |
| 第2章 数据挖掘技术 | 第16-23页 |
| 2.1 数据挖掘理论 | 第16-19页 |
| 2.1.1 数据挖掘的产生与发展 | 第16页 |
| 2.1.2 数据挖掘的定义与方法 | 第16-17页 |
| 2.1.3 数据挖掘的分类 | 第17-19页 |
| 2.1.4 数据挖掘过程 | 第19页 |
| 2.2 关联规则挖掘的基本概念 | 第19-22页 |
| 2.2.1 关联规则的提出 | 第19-20页 |
| 2.2.2 关联规则的相关定义 | 第20-21页 |
| 2.2.3 关联规则的分类 | 第21-22页 |
| 2.2.4 关联规则的挖掘步骤 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 居民生活用电影响因素分析 | 第23-26页 |
| 3.1 居民用电影响因素分析 | 第23-24页 |
| 3.2 数据挖掘技术在居民用电分析中的应用分析 | 第24-25页 |
| 3.2.1 必要性分析 | 第24-25页 |
| 3.2.2 可行性分析 | 第25页 |
| 3.3 本章小结 | 第25-26页 |
| 第4章 居民用电分析数据仓库设计 | 第26-31页 |
| 4.1 数据仓库体系结构 | 第26页 |
| 4.2 居民用电数据分析数据仓库的设计 | 第26-30页 |
| 4.2.1 微观上的数据仓库设计 | 第26-28页 |
| 4.2.2 数据仓库三级模型的建立 | 第28-30页 |
| 4.3 基于用电量分析的数据仓库设计流程 | 第30页 |
| 4.4 本章小结 | 第30-31页 |
| 第5章 Apriori 算法的改进 | 第31-42页 |
| 5.1 Apriori 算法介绍 | 第31-37页 |
| 5.1.1 Apriori 算法基本思想 | 第32-34页 |
| 5.1.2 Aprioro 算法运行实例 | 第34-37页 |
| 5.2 Aprioro 算法分析 | 第37-38页 |
| 5.3 Aprioro 算法的改进 | 第38-41页 |
| 5.3.1 改进依据 | 第38-40页 |
| 5.3.2 改进后算法的实施步骤 | 第40-41页 |
| 5.3.3 改进后算法分析 | 第41页 |
| 5.4 本章小结 | 第41-42页 |
| 第6章 Apriori 算法在居民用电分析中的应用 | 第42-48页 |
| 6.1 数据源分析 | 第42-43页 |
| 6.2 数据预处理 | 第43-46页 |
| 6.3 实验结果及分析 | 第46-47页 |
| 6.4 本章小结 | 第47-48页 |
| 总结 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52页 |