| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-19页 |
| ·研究背景及意义 | 第9-10页 |
| ·变压器故障分类 | 第10-12页 |
| ·变压器的故障诊断研究现状 | 第12-17页 |
| ·传统的故障诊断方法 | 第12-14页 |
| ·变压器故障智能诊断方法 | 第14-17页 |
| ·组合多分类器的诊断方法 | 第17页 |
| ·本文主要研究工作 | 第17-19页 |
| 2 基分类器及其改进 | 第19-35页 |
| ·组合多分类器诊断思想 | 第19-20页 |
| ·故障诊断数据处理 | 第20-23页 |
| ·条件属性、决策属性的确定 | 第20-21页 |
| ·数据的归一化处理 | 第21-22页 |
| ·DGA数据的离散化预处理 | 第22-23页 |
| ·改进贝叶斯模型 | 第23-27页 |
| ·TAN贝叶斯模型 | 第23-24页 |
| ·TAN贝叶斯模型的改进 | 第24-25页 |
| ·实例分析 | 第25-27页 |
| ·加权K-近邻故障诊断模型 | 第27-29页 |
| ·加权K-近邻故障诊断模型 | 第27-28页 |
| ·实例分析 | 第28-29页 |
| ·支持向量机模型 | 第29-31页 |
| ·支持向量机模型 | 第29-30页 |
| ·实例分析 | 第30-31页 |
| ·BP神经网络模型 | 第31-33页 |
| ·BP神经网络模型 | 第31-32页 |
| ·实例分析 | 第32-33页 |
| ·小结 | 第33-35页 |
| 3 基于投票法组合多分类器的变压器故障诊断方法 | 第35-43页 |
| ·投票法的基本理论 | 第35-37页 |
| ·投票法权重的确定 | 第37-38页 |
| ·基于投票法组合多分类器的故障诊断模型 | 第38-41页 |
| ·实例分析 | 第41-42页 |
| ·小结 | 第42-43页 |
| 4 基于元学习策略组合多分类器的变压器故障诊断 | 第43-61页 |
| ·基于Stacking元学习策略组合多分类器的变压器故障诊断 | 第43-52页 |
| ·Stacking元学习策略 | 第43-46页 |
| ·基于Stacking元学习策略组合多分类器的故障诊断模型 | 第46-48页 |
| ·实例分析 | 第48-52页 |
| ·基于Cascading元学习策略组合多分类器的变压器故障诊断 | 第52-56页 |
| ·Cascading元学习策略 | 第52-53页 |
| ·基于Cascading元学习策略组合多分类器的故障诊断模 | 第53-54页 |
| ·实例分析 | 第54-56页 |
| ·投票法与元学习策略的组合多分类器比较 | 第56-59页 |
| ·小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第66-67页 |
| 致谢 | 第67页 |
