Ambari2.5.1RepositoriesAmbari2.5.0RepositoriesAmbari2.4.3RepositoriesAmbari2.4.2RepositoriesAmbari2.4.1RepositoriesAmbari2.4.0RepositoriesHDP2.6RepositoriesHDP2.5RepositoriesHDP2.4RepositoriesHDP2.3RepositoriesHDP2.2Repositories
2025/8/7 15:40:43
51KB
大数据组件，官方版本：CDH6.2.0操作系统：CentOS7/RHEL7完整系列：GPLEXTRAS-6.2.0-1.gplextras6.2.0.p0.967373-el7.parcelGPLEXTRAS-6.2.0-1.gplextras6.2.0.p0.967373-el7.parcel.sha
2025/7/20 8:57:58
3.06MB
大数据项目实战和大数据讲解ppt大数据项目实战和大数据讲解ppt大数据项目实战和大数据讲解ppt大数据项目实战和大数据讲解ppt
2025/7/17 17:03:26
19.43MB
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