| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-16页 |
| 1.2.1 时间序列分类的研究动态 | 第10-14页 |
| 1.2.2 分布式数据处理平台的研究动态 | 第14-16页 |
| 1.3 论文的研究内容 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 时间序列分类算法 | 第18-39页 |
| 2.1 基于模型的算法 | 第18-27页 |
| 2.1.1 隐马尔科夫模型 | 第18-22页 |
| 2.1.2 过程回声状态网络 | 第22-27页 |
| 2.2 基于距离的算法 | 第27-34页 |
| 2.2.1 欧氏距离 | 第27-28页 |
| 2.2.2 最长公共子序列 | 第28-29页 |
| 2.2.3 动态时间归整 | 第29-32页 |
| 2.2.4 动态时间规整衍生方法 | 第32-34页 |
| 2.3 基于序列特征的算法 | 第34-38页 |
| 2.3.1 Shapelet序列查找 | 第35-37页 |
| 2.3.2 基于Shapelet的分类方法 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 基于Hadoop平台的时间序列分类 | 第39-50页 |
| 3.1 Hadoop平台 | 第39-42页 |
| 3.1.1 平台环境 | 第39-41页 |
| 3.1.2 Hadoop Streaming工具 | 第41-42页 |
| 3.1.3 Hadoop常用操作 | 第42页 |
| 3.2 时间序列分类算法的MapReduce化 | 第42-49页 |
| 3.2.1 MapReduce介绍 | 第43-44页 |
| 3.2.2 基于模型和序列特征算法的MapReduce化 | 第44-47页 |
| 3.2.3 基于距离算法的MapReduce化 | 第47-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第4章 电力大客户用电时序数据分类实验 | 第50-60页 |
| 4.1 数据处理和分析 | 第50-53页 |
| 4.1.1 数据预处理 | 第50-51页 |
| 4.1.2 行业用电行为分析 | 第51-53页 |
| 4.2 实验结果对比分析 | 第53-59页 |
| 4.2.1 Hadoop集群加速比 | 第53-54页 |
| 4.2.2 分类准确率 | 第54-57页 |
| 4.2.3 分类速度 | 第57-59页 |
| 4.3 本章小结 | 第59-60页 |
| 结论与展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |