| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景意义 | 第10-12页 |
| 1.2 数据质量评估研究现状 | 第12-13页 |
| 1.2.1 国外数据质量评估的研究与发展 | 第12页 |
| 1.2.2 国内数据质量评估的研究与发展 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14页 |
| 1.5 本章小节 | 第14-16页 |
| 第2章 电力系统的数据质量 | 第16-21页 |
| 2.1 数据质量的内涵和特性 | 第16-17页 |
| 2.1.1 数据质量的特性 | 第16-17页 |
| 2.1.2 数据质量的内涵 | 第17页 |
| 2.2 电力系统的数据流 | 第17-18页 |
| 2.3 电力系统数据质量问题 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 大数据辅助处理平台 | 第21-31页 |
| 3.1 大数据时代 | 第21-23页 |
| 3.1.1 信息科学技术对大数据的影响 | 第21页 |
| 3.1.2 大数据的发展历程 | 第21-22页 |
| 3.1.3 大数据的 4V特性 | 第22页 |
| 3.1.4 大数据计算模式及其代表产品 | 第22-23页 |
| 3.2 大数据平台 | 第23-26页 |
| 3.2.1 Hadoop | 第23-24页 |
| 3.2.2 Spark | 第24-25页 |
| 3.2.3 Storm | 第25-26页 |
| 3.3 Hadoop平台简介 | 第26-30页 |
| 3.3.1 HDFS分布式文件系统 | 第26-28页 |
| 3.3.2 MapReduce计算模型 | 第28-29页 |
| 3.3.3 HBase分布式数据库 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于大数据平台的电力数据处理 | 第31-39页 |
| 4.1 有效处理大规模和高维数据的问题 | 第31页 |
| 4.2 大规模数据集聚类算法 | 第31-34页 |
| 4.2.1 基于划分聚类的方法 | 第31-32页 |
| 4.2.2 基于层次聚类的方法 | 第32页 |
| 4.2.3 基于聚类特征概括的方法 | 第32页 |
| 4.2.4 基于密度的聚类方法 | 第32页 |
| 4.2.5 基于神经网络的聚类方法 | 第32-33页 |
| 4.2.6 基于网格的聚类方法 | 第33页 |
| 4.2.7 聚类方法的对比 | 第33-34页 |
| 4.3 电力大数据质量评估框架 | 第34-38页 |
| 4.3.1 大数据质量评估与传统数据质量评估对比 | 第34-35页 |
| 4.3.2 数据质量评估在大数据环境下的评估框架 | 第35-36页 |
| 4.3.3 MapReduce并行化K-means聚类算法 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 数据质量灰色熵权评估的综合模型 | 第39-48页 |
| 5.1 电力系统数据质量评估指标 | 第39-40页 |
| 5.2 数据质量评估算法 | 第40-42页 |
| 5.3 指标权重计算方法 | 第42-45页 |
| 5.3.1 基于熵权法的数据集权重确定 | 第42页 |
| 5.3.2 模糊层次分析法计算权重 | 第42-45页 |
| 5.4 基于灰色评估法的质量等级确定 | 第45-46页 |
| 5.4.1 建立评语集评价矩阵 | 第45页 |
| 5.4.2 确定评价灰类 | 第45-46页 |
| 5.4.3 构建灰色评价权矩阵 | 第46页 |
| 5.5 数据质量的灰色熵权综合评估法 | 第46-47页 |
| 5.6 本章小结 | 第47-48页 |
| 第6章 电力系统数据质量评估仿真实验 | 第48-53页 |
| 6.1 Hadoop集群部署及系统环境配置 | 第48-49页 |
| 6.1.1 Hadoop集群部署 | 第48页 |
| 6.1.2 系统环境配置 | 第48-49页 |
| 6.2 确定用户类型和评价指标权重 | 第49-51页 |
| 6.3 灰色熵权综合评价 | 第51-52页 |
| 6.4 本章小结 | 第52-53页 |
| 第7章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第57-58页 |
| 致谢 | 第58页 |