| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 时间序列挖掘研究现状 | 第11-13页 |
| 1.2.2 图挖掘算法研究现状 | 第13-14页 |
| 1.2.3 大数据平台研究现状 | 第14-15页 |
| 1.3 本文主要工作 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 时间序列、图挖掘与大数据平台概念与关键技术 | 第17-29页 |
| 2.1 时间序列预处理概念与关键技术 | 第17-20页 |
| 2.1.1 时间序列基本概念 | 第17-18页 |
| 2.1.2 时间序列相似性度量 | 第18-19页 |
| 2.1.3 时间序列分段技术 | 第19-20页 |
| 2.2 图挖掘概念与关键技术 | 第20-24页 |
| 2.2.1 图挖掘基本概念 | 第20-22页 |
| 2.2.2 拓扑传播路径算法 | 第22-23页 |
| 2.2.3 拓扑聚类算法 | 第23-24页 |
| 2.3 大数据平台概念与关键技术 | 第24-27页 |
| 2.3.1 大数据平台概述 | 第24页 |
| 2.3.2 Hadoop计算平台 | 第24-26页 |
| 2.3.3 Spark计算平台 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于相似度量的时间序列预处理研究 | 第29-37页 |
| 3.1 基于电网仿真时序数据特点分析 | 第29-30页 |
| 3.2 时间序列地单调等距分段方法 | 第30-32页 |
| 3.3 时间序列动态相似突变算法 | 第32-35页 |
| 3.3.1 相关系数应用 | 第32-33页 |
| 3.3.2 时序数据相似性变化衡量方法 | 第33-34页 |
| 3.3.3 时序数据相似突变衡量算法 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于时序数据图挖掘算法研究 | 第37-41页 |
| 4.1 问题提出 | 第37-38页 |
| 4.2 基于分段相似突变地拓扑影响传播路径算法 | 第38-39页 |
| 4.3 基于时序数据相似距离的聚类算法 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 基于电网数据的图挖掘处理平台的设计与实现 | 第41-51页 |
| 5.1 基于电网仿真数据分析 | 第41页 |
| 5.2 Spark分布式平台的搭建与系统设计 | 第41-44页 |
| 5.2.1 集群硬件的配置 | 第42-43页 |
| 5.2.2 Spark集群的搭建与系统实现 | 第43-44页 |
| 5.3 图挖掘算法的部署实现 | 第44-49页 |
| 5.3.1 基于时序数据的影响传播扩散算法的实现与分析 | 第44-47页 |
| 5.3.2 电力网络拓扑社区发现算法验证分析 | 第47-49页 |
| 5.4 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 问题与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |