谷歌三大论文，是大数据的三驾马车。
1、The Google File System2、MapReduce_Simplified Data Processing on Large Clusters3、Bigtable_A Distributed Storage System for Structured Data
2025/6/19 9:27:14
587KB
简介：
基于DBSCAN密度聚类的风电与负荷场景生成与削减模型研究,[1]关键词：密度聚类 场景削减 DBSCAN 场景生成与削减; k-mean聚类 [2]参考文档：《氢能支撑的风-燃气耦合低碳微网容量优化配置研究》第3章 [3]主要内容：代码主要做的是一个基于DBSCAN密度聚类的风电-负荷场景生成与削减模型，首先，采集风电、电负荷历史数据。
然后，通过采用 DBSCAN 密度聚类的数据预处理消除异常或小概率电负荷、风电数据。
之后，针对风电波动性与电负荷时序性、周期性特点，将场景提取分为电负荷场景提取和风电场景提取。
不同于传统的Kmeans方法，此方法更加具有创新性，场景模型与提取更具有代表性，代码非常nice ,核心关键词：DBSCAN; 密度聚类; 场景生成与削减; k-mean聚类; 风电场景提取; 电负荷场景提取,"基于DBSCAN密度聚类的风电-负荷场景生成与削减模型研究"
基于DBSCAN密度聚类的风电与负荷场景生成与削减模型研究,[1]关键词：密度聚类 场景削减 DBSCAN 场景生成与削减; k-mean聚类 [2]参考文档：《氢能支撑的风-燃气耦合低碳微网容量优化配置研究》第3章 [3]主要内容：代码主要做的是一个基于DBSCAN密度聚类的风电-负荷场景生成与削减模型，首先，采集风电、电负荷历史数据。
然后，通过采用 DBSCAN 密度聚类的数据预处理消除异常或小概率电负荷、风电数据。
之后，针对风电波动性与电负荷时序性、周期性特点，将场景提取分为电负荷场景提取和风电场景提取。
不同于传统的Kmeans方法，此方法更加具有创新性，场景模型与提取更具有代表性，代码非常nice ,核心关键词：DBSCAN; 密度聚类; 场景生成与削减; k-mean聚类; 风电场景提取; 电负荷场景提取,"基于DBSCAN密度聚类的风电-负荷场景生成与削减模型研究"
2025/6/15 19:52:33
288KB
尚硅谷大数据全套文档课件(完整版)(Linux,hadoop,zookeeper,hive,flume,kafka,habase)。
2025/5/21 2:43:26
23.81MB
1.掌握Linux虚拟机安装方法或者双操作系统安装方法。
Hadoop在Linux操作系统上运行可以发挥最佳性能，鉴于目前可能正在使用Windows操作系统，有必要通过本实验掌握在Windows操作系统上搭建Linux虚拟机的方法。
2.掌握Hadoop的伪分布式安装方法。
需要在一台机器上模拟一个小的集群，因此，需要通过本实验掌握在单机上进行Hadoop的伪分布式安装方法。
Hadoop在Linux操作系统上运行可以发挥最佳性能，鉴于目前可能正在使用Windows操作系统，有必要通过本实验掌握在Windows操作系统上搭建Linux虚拟机的方法。
2.掌握Hadoop的伪分布式安装方法。
需要在一台机器上模拟一个小的集群，因此，需要通过本实验掌握在单机上进行Hadoop的伪分布式安装方法。
2025/5/8 3:40:33
1014KB
