| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-9页 |
| ·研究背景和意义 | 第7-8页 |
| ·本文的组织结构 | 第8-9页 |
| 第二章 OLAP技术及数据挖掘在电力营销业务中的应用分析 | 第9-13页 |
| ·OLAP技术概述 | 第9页 |
| ·数据挖掘概述 | 第9-10页 |
| ·数据挖掘体系结构 | 第10-11页 |
| ·电力营销数据挖掘特征 | 第11-13页 |
| ·电力营销现状 | 第11页 |
| ·电力营销数据特点 | 第11-12页 |
| ·电力营销开展数据挖掘的一般步骤 | 第12-13页 |
| 第三章 电力营销数据仓库搭建 | 第13-24页 |
| ·数据仓库概述 | 第13-14页 |
| ·数据仓库业务能力分析 | 第14-17页 |
| ·电力营销数据仓库执行架构 | 第17-24页 |
| ·电力营销业务源数据准备 | 第18页 |
| ·ETL数据抽取转换(业务源数据→ODS) | 第18-20页 |
| ·电力营销数据仓库OLAP服务器创建(ODS→DW) | 第20-24页 |
| 第四章 电力营销多维数据分析 | 第24-38页 |
| ·OLAP概念及特点 | 第24-26页 |
| ·电力营销数据分析过程 | 第26-27页 |
| ·电力营销数据分析主题域 | 第27-29页 |
| ·数据层设计 | 第27-29页 |
| ·分析层设计 | 第29页 |
| ·电力营销数据分析方法 | 第29-31页 |
| ·IBM Cognos8.3开发商务智能报表 | 第31-37页 |
| ·使用Framework Manager组件创建数据模型 | 第31-35页 |
| ·使用Report Studio组件创建分析报表 | 第35-36页 |
| ·穿透钻取Drill-through功能的实现 | 第36-37页 |
| ·OLAP技术在电力信息化建设中的应用 | 第37-38页 |
| 第五章 基于聚类分析的窃电行为稽查数据预处理 | 第38-51页 |
| ·聚类分析定义与算法介绍 | 第38-40页 |
| ·聚类分析概念 | 第38-39页 |
| ·模式相似性测度 | 第39-40页 |
| ·用K均值算法动态分类用电客户群 | 第40-51页 |
| ·"K均值"聚类算法概述 | 第40-41页 |
| ·K均值算法具体思想和主体实现 | 第41-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·本文总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
