| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·选题的背景和意义 | 第10页 |
| ·电力变压器故障诊断的研究现状 | 第10-13页 |
| ·本文主要研究的内容 | 第13-14页 |
| 2 基于粗糙集的变压器故障样本的处理 | 第14-27页 |
| ·粗糙集理论的特点与应用 | 第14-15页 |
| ·粗糙集数据处理步骤 | 第15-16页 |
| ·确定条件属性集和决策属性集 | 第16-17页 |
| ·建立原始决策表 | 第17-19页 |
| ·原始决策表的属性约简 | 第19-26页 |
| ·决策表属性约简步骤 | 第20-21页 |
| ·常用属性约简算法 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 3 基遗传支持向量机在变压器故障诊断中的应用 | 第27-39页 |
| ·支持向量机理论 | 第27-28页 |
| ·支持向量机二分类 | 第28-29页 |
| ·线性可分情况 | 第28-29页 |
| ·非线性可分情况 | 第29页 |
| ·支持向量机多类分类 | 第29-32页 |
| ·支持向量机的核函数 | 第32-33页 |
| ·支持向量机参数选择 | 第33-37页 |
| ·常用的参数选择方法 | 第33-34页 |
| ·引入遗传算法进行参数选择 | 第34-36页 |
| ·遗传支持向量机参数优化流程 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 4 基于粗糙集和遗传支持向量机的变压器故障诊断模型实现及结果对比分析 | 第39-52页 |
| ·基于粗糙集和遗传支持向量机的诊断模型实现 | 第39-43页 |
| ·确定训练样本集、测试样本集和类别标签 | 第40页 |
| ·对样本集数据进行归一化预处理 | 第40-41页 |
| ·基于遗传算法的参数选取 | 第41页 |
| ·建立SVM多分类模型,训练模型并测试 | 第41-43页 |
| ·实验分析与对比 | 第43-47页 |
| ·所选算法优越性对比验证 | 第43-47页 |
| ·变压器故障诊断实例 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |