| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究概况 | 第11-12页 |
| 1.2.2 国内研究概况 | 第12-13页 |
| 1.3 本文的主要工作 | 第13页 |
| 1.4 组织结构 | 第13-15页 |
| 第2章 主要相关技术 | 第15-24页 |
| 2.1 数据挖掘技术 | 第15-16页 |
| 2.1.1 数据挖掘系统的体系结构 | 第15-16页 |
| 2.1.2 数据挖掘的步骤 | 第16页 |
| 2.2 数据挖掘算法研究 | 第16-18页 |
| 2.2.1 关联规则挖掘算法-Apriori | 第16-17页 |
| 2.2.2 K-means聚类算法 | 第17-18页 |
| 2.3 Hadoop分布式计算平台 | 第18-20页 |
| 2.3.1 Hadoop框架 | 第18-19页 |
| 2.3.2 MapReduce计算模式 | 第19页 |
| 2.3.3 分布式文件系统HDFS | 第19-20页 |
| 2.4 JavaEE简介 | 第20-23页 |
| 2.4.1 JavaEE概述 | 第20-21页 |
| 2.4.2 MVC体系结构 | 第21-22页 |
| 2.4.3 Spring框架 | 第22页 |
| 2.4.4 Hibernate框架 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 系统需求分析与总体设计 | 第24-34页 |
| 3.1 用电客户分类整体模型设计 | 第24-28页 |
| 3.1.1 用电客户分类模型构建思路 | 第24-25页 |
| 3.1.2 数据挖掘与用电客户分类 | 第25-26页 |
| 3.1.3 电力客户分类指标体系设计 | 第26-28页 |
| 3.2 用户用电量行为与相关因素关联性分析 | 第28-30页 |
| 3.3 可视化平台总体设计 | 第30-33页 |
| 3.3.1 可视化平台技术架构设计 | 第30-32页 |
| 3.3.2 可视化展示平台功能设计 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 系统功能实现 | 第34-48页 |
| 4.1 用电客户分类功能实现 | 第34-38页 |
| 4.1.1 基于Hadoop的K-means算法并行化设计 | 第34-35页 |
| 4.1.2 通过并行化k-means算法实现用电客户分类 | 第35-38页 |
| 4.2 用户用电量预测功能实现 | 第38-43页 |
| 4.2.1 基于Hadoop的Apriori算法并行化设计 | 第38-39页 |
| 4.2.2 运用并行化Apriori算法进行关联度分析 | 第39-43页 |
| 4.3 可视化展示平台功能实现 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 系统运行环境安装与功能验证 | 第48-54页 |
| 5.1 系统运行环境安装与配置 | 第48-51页 |
| 5.1.1 搭建Web系统运行环境 | 第48页 |
| 5.1.2 安装与配置Hadoop运行环境 | 第48-51页 |
| 5.2 系统功能验证 | 第51-53页 |
| 5.2.1 系统功能测试 | 第51-52页 |
| 5.2.2 Hadoop并行任务性能测试 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-55页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |
