大规模实时用电数据分析系统研究与应用
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 大数据关键技术研究及应用现状 | 第10-11页 |
| 1.2.2 数据流关键技术研究及应用现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第二章 相关技术及基础概念 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 数据流相关技术 | 第16-21页 |
| 2.2.1 Hadoop | 第16-17页 |
| 2.2.2 Spark | 第17-18页 |
| 2.2.3 Flume | 第18页 |
| 2.2.4 S4 | 第18-19页 |
| 2.2.5 Kafka | 第19页 |
| 2.2.6 Storm | 第19-20页 |
| 2.2.7 Spark Streaming | 第20-21页 |
| 2.3 电力实时数据挖掘 | 第21-22页 |
| 2.4 数据流相关基础理论 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 大规模实时用电数据分析系统 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 系统业务分析 | 第24-25页 |
| 3.3 系统设计 | 第25-32页 |
| 3.3.1 系统架构 | 第25-26页 |
| 3.3.2 数据存储层 | 第26页 |
| 3.3.3 数据处理层 | 第26-27页 |
| 3.3.4 数据分析层 | 第27-31页 |
| 3.3.5 数据表现层 | 第31页 |
| 3.3.6 各层次间元数据设计 | 第31-32页 |
| 3.4 系统实现 | 第32-37页 |
| 3.4.1 系统环境 | 第32-33页 |
| 3.4.2 系统简介 | 第33页 |
| 3.4.3 系统功能 | 第33-36页 |
| 3.4.4 系统可视化 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于时态密度特征的数据流聚类算法 | 第38-49页 |
| 4.1 引言 | 第38页 |
| 4.2 基本概念介绍 | 第38-39页 |
| 4.3 改进的数据流聚类算法 | 第39-45页 |
| 4.3.1 算法设计 | 第39-41页 |
| 4.3.2 算法实现 | 第41-44页 |
| 4.3.3 算法分析 | 第44-45页 |
| 4.4 实验分析与应用 | 第45-48页 |
| 4.4.1 实验数据及环境配置 | 第45页 |
| 4.4.2 评价指标 | 第45-46页 |
| 4.4.3 实验结果与分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于聚类融合的数据流分类算法 | 第49-63页 |
| 5.1 引言 | 第49-50页 |
| 5.2 基本概念介绍 | 第50-51页 |
| 5.3 基于聚类融合的不平衡数据流分类算法 | 第51-58页 |
| 5.3.1 算法设计 | 第51-56页 |
| 5.3.2 算法实现 | 第56-57页 |
| 5.3.3 算法分析 | 第57-58页 |
| 5.4 实验分析与应用 | 第58-62页 |
| 5.4.1 实验数据及环境配置 | 第58页 |
| 5.4.2 实验结果分析 | 第58-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71-72页 |
| 在学期间的研究成果及发表的学术论文 | 第72页 |
