| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 课题的研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究的主要内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 云计算和数据挖掘相关技术 | 第15-23页 |
| 2.1 云计算技术 | 第15-16页 |
| 2.1.1 云计算特点 | 第15-16页 |
| 2.1.2 云计算关键技术 | 第16页 |
| 2.2 Hadoop 开源框架 | 第16-19页 |
| 2.2.1 MapReduce 并行编程模型 | 第17-18页 |
| 2.2.2 HBase 分布式数据库 | 第18页 |
| 2.2.3 HDFS 分布式文件系统 | 第18-19页 |
| 2.3 数据挖掘技术 | 第19-22页 |
| 2.3.1 数据挖掘的方法 | 第19-21页 |
| 2.3.2 数据挖掘的步骤 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 电力云数据分析平台 | 第23-36页 |
| 3.1 电力云数据分析平台功能 | 第23-24页 |
| 3.2 电力云数据分析平台架构 | 第24-35页 |
| 3.2.1 数据层 | 第25页 |
| 3.2.2 组件层 | 第25-27页 |
| 3.2.3 服务层 | 第27-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 关联规则 Apriori 算法的研究和应用 | 第36-44页 |
| 4.1 关联规则挖掘算法 | 第36-38页 |
| 4.1.1 关联规则算法的挖掘步骤 | 第36-38页 |
| 4.1.2 Apriori 算法 | 第38页 |
| 4.2 传统单节点 Apriori 算法 | 第38-39页 |
| 4.3 基于 MapReduce 的并行化 Apriori 算法的实现 | 第39-40页 |
| 4.3.1 并行化算法实现步骤 | 第39-40页 |
| 4.3.2 算法实现流程图 | 第40页 |
| 4.4 并行化 Apriori 算法的应用 | 第40-42页 |
| 4.5 实验过程及测试结果分析 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 朴素贝叶斯算法的研究和应用 | 第44-52页 |
| 5.1 朴素贝叶斯分类算法 | 第44-45页 |
| 5.2 基于 MapReduce 的并行化朴素贝叶斯算法的实现 | 第45-48页 |
| 5.2.1 模型训练阶段 | 第46-47页 |
| 5.2.2 分类阶段 | 第47-48页 |
| 5.3 并行化朴素贝叶斯算法的应用 | 第48-49页 |
| 5.4 实验过程及测试结果分析 | 第49-51页 |
| 5.4.1 实验环境 | 第49页 |
| 5.4.2 单机和 Hadoop 集群环境测试 | 第49-50页 |
| 5.4.3 不同节点集群环境并行化算法性能测试 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-53页 |
| 6.1 本论文的主要工作 | 第52页 |
| 6.2 对未来工作的展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第56-57页 |
| 致谢 | 第57页 |
