| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·电力变压器故障诊断的背景和意义 | 第11-12页 |
| ·电力变压器运行中常见的故障 | 第12-14页 |
| ·电力变压器故障诊断的常规方法 | 第14-17页 |
| ·常规DGA 诊断方法 | 第14-17页 |
| ·常规DGA 诊断方法的不足 | 第17页 |
| ·电力变压器故障诊断的国内外研究现状 | 第17-21页 |
| ·基于人工神经网络的故障诊断 | 第17-18页 |
| ·基于模糊理论的故障诊断 | 第18-19页 |
| ·基于灰色系统理论的故障诊断 | 第19-20页 |
| ·基于专家系统的故障诊断 | 第20-21页 |
| ·论文的主要工作及结构安排 | 第21-23页 |
| 第2章 免疫算法的相关知识 | 第23-32页 |
| ·生物免疫系统 | 第23-29页 |
| ·相关概念 | 第23-24页 |
| ·生物免疫系统及其功能 | 第24-26页 |
| ·生物免疫系统的原理 | 第26-28页 |
| ·生物免疫系统的计算特性 | 第28-29页 |
| ·人工免疫系统 | 第29-30页 |
| ·人工免疫系统的概念 | 第29页 |
| ·人工免疫相关理论研究 | 第29-30页 |
| ·人工免疫系统的工程应用 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第3章 粗糙集与贝叶斯网络理论基础 | 第32-45页 |
| ·粗糙集理论的基础知识 | 第32-35页 |
| ·知识的化简 | 第35-41页 |
| ·决策表的属性约简算法 | 第37-40页 |
| ·信息熵与互信息 | 第40-41页 |
| ·贝叶斯网络的基础知识 | 第41-43页 |
| ·贝叶斯定理 | 第41页 |
| ·贝叶斯网络简介 | 第41-43页 |
| ·朴素贝叶斯网络 | 第43-44页 |
| ·朴素贝叶斯网络的构建及扩展 | 第43页 |
| ·朴素贝叶斯网络分类原理 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 克隆免疫网络分类算法及其在变压器故障定性诊断中的应用 | 第45-56页 |
| ·人工免疫算法研究的发展状况 | 第45-48页 |
| ·免疫遗传算法 | 第45-46页 |
| ·克隆选择算法 | 第46-47页 |
| ·否定选择算法 | 第47页 |
| ·免疫算法与其它算法的比较分析 | 第47-48页 |
| ·克隆免疫网络分类算法及其在变压器故障定性诊断中的应用 | 第48-54页 |
| ·算法的设计背景 | 第48页 |
| ·克隆免疫网络分类算法的流程 | 第48-51页 |
| ·算法参数设置 | 第51页 |
| ·算法注解 | 第51-52页 |
| ·变压器故障定性诊断实例 | 第52-53页 |
| ·算法可行性分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 基于粗糙集和朴素贝叶斯网络的电力变压器故障定位诊断方法 | 第56-67页 |
| ·基本思想 | 第56页 |
| ·算法描述 | 第56-63页 |
| ·根据电力变压器故障样本建立决策表 | 第57-58页 |
| ·基于可辨识矩阵和二元逻辑运算的属性约简 | 第58-62页 |
| ·基于平均互信息的最优属性约简组合选择方法 | 第62-63页 |
| ·朴素贝叶斯网络建模 | 第63页 |
| ·节点条件概率训练 | 第63页 |
| ·仿真实验与结果 | 第63-66页 |
| ·实例分析一 | 第64-65页 |
| ·实例分析二 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 总结 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 附录A：作者在攻读硕士学位期间发表的论文目录 | 第73页 |
| 附录B：作者在攻读硕士学位期间参加科研项目的情况 | 第73页 |
