基于电力系统大数据集的知识发现方法的研究与实现
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 背景、目的和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的主要工作、创新点 | 第15-16页 |
| 1.3.1 论文的主要工作 | 第15页 |
| 1.3.2 论文的创新点 | 第15-16页 |
| 1.4 论文的组织结构 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 系统模型及其相关定义 | 第17-25页 |
| 2.1 问题提出 | 第17-19页 |
| 2.1.1 流程对象 | 第17-18页 |
| 2.1.2 问题描述 | 第18-19页 |
| 2.2 流程对象相关定义 | 第19-20页 |
| 2.3 T-C-A-C/T Flow及其算法设计 | 第20-22页 |
| 2.4 本章小结 | 第22-25页 |
| 第三章 时序发现与时序调整 | 第25-35页 |
| 3.1 时序发现与时序调整基本思想 | 第25页 |
| 3.2 数据清洗和数据取样 | 第25-29页 |
| 3.2.1 数据清洗 | 第25-27页 |
| 3.2.2 数据取样 | 第27-29页 |
| 3.3 流程对象时序发现 | 第29-32页 |
| 3.3.1 极值计算 | 第31页 |
| 3.3.2 时间距计算 | 第31-32页 |
| 3.4 时序调整 | 第32-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第四章 流程对象数据的聚类方法与算法 | 第35-43页 |
| 4.1 流程对象数据聚类基本思想 | 第35页 |
| 4.2 聚类算法概述 | 第35-38页 |
| 4.3 k-means算法 | 第38-39页 |
| 4.4 最佳k值计算 | 第39-41页 |
| 4.4.1 聚类有效性函数介绍 | 第40-41页 |
| 4.4.2 最佳k值选择 | 第41页 |
| 4.5 本章小结 | 第41-43页 |
| 第五章 状态关联链提取 | 第43-57页 |
| 5.1 流程对象状态关联链提取基本思想 | 第43-44页 |
| 5.2 关联规则挖掘 | 第44-45页 |
| 5.2.1 关联规则相关定义 | 第44-45页 |
| 5.2.2 关联规则挖掘算法 | 第45页 |
| 5.3 Apriori算法 | 第45-46页 |
| 5.4 基于Apriori的维间关联规则算法 | 第46-47页 |
| 5.5 流程对象二项关联规则 | 第47-50页 |
| 5.5.1 类间关联规则 | 第47-49页 |
| 5.5.2 环节间关联规则 | 第49-50页 |
| 5.6 关联链 | 第50-52页 |
| 5.6.1 关联链相关定义 | 第50页 |
| 5.6.2 最强关联链 | 第50-51页 |
| 5.6.3 关联树 | 第51-52页 |
| 5.7 状态关联链 | 第52-55页 |
| 5.7.1 状态分析 | 第52-53页 |
| 5.7.2 状态关联链 | 第53-54页 |
| 5.7.3 状态关联链的意义 | 第54-55页 |
| 5.8 本章小结 | 第55-57页 |
| 第六章 电力系统发电子系统知识发现实现与结果分析 | 第57-69页 |
| 6.1 火力发电系统介绍 | 第57-58页 |
| 6.2 实验环境 | 第58-59页 |
| 6.3 实验过程及结果的解释 | 第59-67页 |
| 6.3.1 数据清理 | 第59-60页 |
| 6.3.2 数据取样 | 第60-61页 |
| 6.3.3 时序计算 | 第61-63页 |
| 6.3.4 聚类 | 第63-64页 |
| 6.3.5 状态关联链提取 | 第64-67页 |
| 6.4 本章小结 | 第67-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 7.1 论文总结 | 第69页 |
| 7.2 工作的不足和展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 附录 | 第77页 |
