| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 可视化技术的研究现状 | 第10-11页 |
| 1.2.2 智能电网的研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文章节安排 | 第13-15页 |
| 第2章 大数据关键技术及可视化技术研究 | 第15-21页 |
| 2.1 Zeppelin | 第15-16页 |
| 2.2 Spark | 第16页 |
| 2.3 RDD结构 | 第16页 |
| 2.4 K-means聚类算法 | 第16-17页 |
| 2.5 可视化技术 | 第17-20页 |
| 2.5.1 科学可视化 | 第17-18页 |
| 2.5.2 信息可视化 | 第18页 |
| 2.5.3 知识可视化 | 第18页 |
| 2.5.4 思维可视化 | 第18-19页 |
| 2.5.5 数据可视化 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 基于K-means聚类算法的数据预处理研究 | 第21-30页 |
| 3.1 K-means聚类算法 | 第21-23页 |
| 3.1.1 K-meas聚类算法基本思想 | 第21页 |
| 3.1.2 K-means聚类算法的步骤和流程 | 第21-22页 |
| 3.1.3 K-means聚类算法的优缺点 | 第22-23页 |
| 3.2 基于聚类有效函数的K-means聚类算法的实现 | 第23-26页 |
| 3.2.1 初始中心点算法的改进 | 第24-25页 |
| 3.2.2 K值算法的改进 | 第25-26页 |
| 3.3 实验验证与分析 | 第26-29页 |
| 3.3.1 聚类有效函数的验证与分析 | 第26-27页 |
| 3.3.2 改进K-means聚类算法的验证与分析 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于Radviz的可视化算法研究 | 第30-39页 |
| 4.1 Radviz技术 | 第30页 |
| 4.2 传统Radviz的实现原理 | 第30-32页 |
| 4.2.1 传统Radviz模型 | 第30-32页 |
| 4.3 Radviz技术的改进 | 第32-35页 |
| 4.3.1 改进的Radviz模型 | 第32-33页 |
| 4.3.2 改进Radviz算法的实现 | 第33-35页 |
| 4.4 实验验证与分析 | 第35-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 智能电网中大数据可视化的实现 | 第39-53页 |
| 5.1 实验平台的搭建 | 第39-45页 |
| 5.1.1 系统运行环境 | 第39页 |
| 5.1.2 Spark平台搭建 | 第39-43页 |
| 5.1.3 Zeppelin搭建 | 第43-45页 |
| 5.2 Spark平台数据处理过程 | 第45-47页 |
| 5.2.1 SparkStreaming实时计算框架 | 第45-46页 |
| 5.2.2 RDD计算过程 | 第46-47页 |
| 5.3 智能电网中大数据可视化的实现 | 第47-52页 |
| 5.3.1 数据来源 | 第47页 |
| 5.3.2 数据聚类 | 第47-48页 |
| 5.3.3 数据可视化 | 第48-52页 |
| 5.4 结果分析 | 第52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文及其他研究成果 | 第58-59页 |
| 致谢 | 第59页 |
