| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景及其意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 云计算研究现状 | 第10页 |
| 1.2.2 电力系统不良数据辨识算法研究现状 | 第10-11页 |
| 1.3 本文主要工作 | 第11-13页 |
| 第2章 相关技术 | 第13-26页 |
| 2.1 电力系统不良数据辨识常用算法 | 第13-14页 |
| 2.2 KMeans算法研究 | 第14-17页 |
| 2.3 云计算技术 | 第17-21页 |
| 2.3.1 云计算概念和特点 | 第17-18页 |
| 2.3.2 云计算的工作原理和关键技术 | 第18-19页 |
| 2.3.3 云计算分类及产业现状 | 第19-21页 |
| 2.4 开源Hadoop云计算技术 | 第21-25页 |
| 2.4.1 HDFS分布式文件系统 | 第21-22页 |
| 2.4.2 MapReduce编程框架 | 第22-24页 |
| 2.4.3 HBase分布式数据库 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于PSO优化KMeans的电力系统不良数据辨识算法 | 第26-37页 |
| 3.1 传统辨识算法的不足 | 第26页 |
| 3.2 粒子群算法概述（PSO） | 第26-30页 |
| 3.2.1 PSO算法基本概念 | 第26-27页 |
| 3.2.2 PSO算法基本原理及流程 | 第27-29页 |
| 3.2.3 基于惯性权重法优化PSO算法 | 第29-30页 |
| 3.3 基于惯性权重PSO-KMeans的聚类算法 | 第30-36页 |
| 3.3.1 算法设计 | 第30-31页 |
| 3.3.2 核心MATLAB代码参考 | 第31-33页 |
| 3.3.3 算法仿真实验 | 第33-36页 |
| 3.3.4 算法性能与传统算法对比分析 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于Hadoop实现的粒子群优化KMeans并行算法设计与实现 | 第37-45页 |
| 4.1 PSO-KMeans并行算法设计 | 第37-39页 |
| 4.1.1 传统单机算法的不足 | 第37页 |
| 4.1.2 算法设计思想 | 第37-38页 |
| 4.1.3 算法流程设计 | 第38-39页 |
| 4.2 Hadoop实现 | 第39-43页 |
| 4.2.1 实现过程 | 第39-40页 |
| 4.2.2 Map函数设计 | 第40-41页 |
| 4.2.3 Reduce函数设计 | 第41-43页 |
| 4.3 HBase设计与实现 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 云平台实验测试及性能分析 | 第45-59页 |
| 5.1 Hadoop云计算平台与开发环境的搭建与配置 | 第45-52页 |
| 5.1.1 系统环境配置 | 第45-47页 |
| 5.1.2 全分布Hadoop集群搭建 | 第47-49页 |
| 5.1.3 全分布HBase的安装与配置 | 第49-51页 |
| 5.1.4 开发平台搭建 | 第51-52页 |
| 5.2 全分布环境下HBase的安装 | 第52-55页 |
| 5.2.1 安装说明 | 第52-53页 |
| 5.2.2 安装并配置HBase | 第53-55页 |
| 5.3 电网数据模拟 | 第55-56页 |
| 5.4 仿真结果及性能分析 | 第56-58页 |
| 5.4.1 仿真结果 | 第56-58页 |
| 5.4.2 性能对比分析 | 第58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 在硕士研究生学习期间发表的学术论文及科研情况 | 第63-64页 |
| 致谢 | 第64页 |
