大数据处理技术在用电行为分析中的应用研究

目录

声明

第1章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.2.1 大数据处理技术的研究现状

1.2.2 用户用电行为的研究现状

1.3 课题研究的主要内容

1.4 本文的组织结构

第2章 大数据处理关键技术分析

2.1.1 大数据的定义及持点

2.1.2 大数据计算特征

2.2 K-means聚类算法

2.3 Hadoop分布式系统

2.4 Spark分布式计算框架

2.4.1 分布式文件系统

2.4.2 Spark运行架构

2.4.3 Spark应用框架

2.5 Hive数据仓库

2.6 HBase列式存储数据库

2.6.1 HBase基本架构

2.6.2 HBase数据模型

2.6.3 HBase的持点

2.7 本章小结

第3章 基于最大权值法改进的K-means算法研究

3.1 K-means聚类算法

3.1.1 K-means算法基本思想

3.1.2 K-means算法步骤和流程

3.1.3 K-means聚类算法的优缺点

3.2 基于密度的最大权值法改进的K-means算法

3.2.1 基本定义

3.2.2 评价函数有效性分析

3.2.3 算法执行步骤

3.3 实验验证与分析

3.3.1 聚类有效函数的验证与分析

3.3.2 改进K-means算法的验证与分析

3.4 本章小结

第4章 基于改进K-means算法的用户用电行为研究

4.1 用电数据预处理

4.2 改进K-means算法的并行化实现

4.2.1 Map过程

4.2.2 Combiner类

4.2.3 Reduce过程

4.3 基于改进K-means算法的用电数据并行挖掘

4.4 居民用电行为研究

4.4.1 实验结果分析

4.4.2 负荷特性分析

4.4.3 用户用电方案研究

4.5 本章小结

第5章 基于Spark平台的用电行为分析原型系统的设计与实现

5.1 Spark开发环境搭建

5.2 系统总体架构设计

5.3 系统各功能模块的实现

（1）用电信息展示模块

（2）用电管理模块

（3）用电分析模块

5.4 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

参考文献

攻读硕士学位期间发表的论文及其他研究成果

致谢