| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 相关技术理论 | 第16-26页 |
| 2.1 聚类分析 | 第16-21页 |
| 2.1.1 聚类分析概述 | 第16-17页 |
| 2.1.2 聚类算法 | 第17-20页 |
| 2.1.3 相似性度量与准则函数 | 第20-21页 |
| 2.2 Hadoop云计算平台 | 第21-25页 |
| 2.2.1 MapReduce并行计算模型 | 第22-24页 |
| 2.2.2 Spark并行计算框架 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于MapRedcue的K-means算法并行化研究 | 第26-42页 |
| 3.1 算法思想 | 第27-29页 |
| 3.1.1 抽样技术 | 第27页 |
| 3.1.2 最大最小距离法 | 第27-28页 |
| 3.1.3 算法改进思想 | 第28-29页 |
| 3.2 基于MapReduce的改进K-means算法并行化 | 第29-31页 |
| 3.3 基于Spark的K-means算法并行化 | 第31-32页 |
| 3.4 云计算平台的搭建与配置 | 第32-38页 |
| 3.4.1 Hadoop平台的搭建环境 | 第32-33页 |
| 3.4.2 JDK的安装配置 | 第33页 |
| 3.4.3 SSH的安装配置 | 第33-34页 |
| 3.4.4 Hadoop集群的安装配置 | 第34-36页 |
| 3.4.5 Spark的安装配置 | 第36-38页 |
| 3.5 实验结果及分析 | 第38-41页 |
| 3.5.1 数据集描述 | 第38页 |
| 3.5.2 收敛速度、聚类精度对比实验 | 第38-39页 |
| 3.5.3 并行性能分析 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于Spark的聚类算法辨识电力系统不良数据 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 电力系统状态估计 | 第43-46页 |
| 4.2.1 概述 | 第43-44页 |
| 4.2.2 不良数据辨识与处理 | 第44-46页 |
| 4.3 基于并行K-means聚类的负荷特征曲线提取 | 第46-47页 |
| 4.4 基于负荷特征曲线的不良数据处理 | 第47-48页 |
| 4.5 实例分析 | 第48-51页 |
| 4.5.1 数据集描述 | 第48页 |
| 4.5.2 算例分析 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 结论与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 未来的工作 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |
