| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究领域介绍 | 第9-13页 |
| ·粗糙集理论及其特点简介 | 第9-11页 |
| ·粗糙集理论的应用及发展 | 第11-12页 |
| ·粗糙集计算平台 | 第12-13页 |
| ·本文的研究方向 | 第13-16页 |
| ·粗糙集连续属性的离散化 | 第13-14页 |
| ·属性的约简 | 第14页 |
| ·粗糙集理论在电力变压器故障诊断和电力负荷预测中的应用 | 第14-16页 |
| ·论文的研究结构概述 | 第16-17页 |
| 第二章 粗糙集理论基本概念 | 第17-25页 |
| ·知识的表达 | 第17页 |
| ·上下近似集与粗糙集 | 第17-18页 |
| ·属性的依赖度 | 第18-20页 |
| ·属性重要性 | 第20-21页 |
| ·属性约简和核心 | 第21-22页 |
| ·可辨识矩阵与决策规则 | 第22-25页 |
| 第三章 粗糙集决策表的离散化与属性约简 | 第25-47页 |
| 引言 | 第25-26页 |
| ·离散化问题的描述 | 第26页 |
| ·基于布尔逻辑与粗糙集相结合的离散化方法 | 第26-29页 |
| ·基于属性重要性的离散化算法 | 第29-34页 |
| ·基于属性重要性的离散算法描述 | 第29-30页 |
| ·实例分析 | 第30-34页 |
| ·基于可辨识矩阵与逻辑运算的属性约简 | 第34-37页 |
| ·MIBARK(Mutual information-based algorithm for reduction of knowledge)算法 | 第37-39页 |
| ·基于信息熵的一种适应度改进属性约简算法 | 第39-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于粗糙集的电力变压器故障诊断 | 第47-67页 |
| 引言 | 第47页 |
| ·电力变压器故障诊断方法介绍 | 第47-49页 |
| ·基于粗糙集与决策树相结合的故障诊断 | 第49-57页 |
| ·决策树ID3算法 | 第49-53页 |
| ·利用粗糙集理论方法对样本信息进行预处理 | 第53-55页 |
| ·基于粗糙集的故障诊断决策树构建 | 第55-56页 |
| ·实际算例分析 | 第56-57页 |
| ·基于粗糙集与神经网络的故障诊断方法 | 第57-66页 |
| ·IEC三比值法 | 第57-59页 |
| ·基于粗糙集的样本数据预处理 | 第59-61页 |
| ·利用BP神经网络进行训练 | 第61-62页 |
| ·实际算例分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 基于粗糙集理论与神经网络的电力系统负荷预测 | 第67-79页 |
| 引言 | 第67页 |
| ·电力负荷预测发展现状 | 第67-68页 |
| ·粗糙集与神经网络相结合 | 第68-69页 |
| ·基于粗集理论的负荷预测模型 | 第69-78页 |
| ·决策表缺省数据补齐 | 第69-71页 |
| ·决策表数据离散化处理 | 第71-72页 |
| ·决策表数据约简 | 第72页 |
| ·利用BP神经网络训练进行负荷预测 | 第72-73页 |
| ·算例计算分析 | 第73-75页 |
| ·网络性能分析 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 结束语 | 第79-82页 |
| ·论文总结 | 第79-80页 |
| ·进一步工作与展望 | 第80-82页 |
| 附录1 实际中变压器故障诊断中的样本实例 | 第82-84页 |
| 附录2 约简后的样本选择训练集合 | 第84-86页 |
| 附录3 原始的样本故障数据表 | 第86-87页 |
| 附录4 利用属性重要性离散算法离散后的决策数据表 | 第87-88页 |
| 参考文献 | 第88-96页 |
| 作者攻读硕士学位期间发表的论文 | 第96-97页 |
| 致谢 | 第97页 |
