| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-20页 |
| ·数据挖掘在国内外的研究现状与发展趋势 | 第14-15页 |
| ·数据挖掘的研究现状 | 第14页 |
| ·数据挖掘的发展趋势 | 第14-15页 |
| ·数据挖掘在电力行业中的应用研究情况 | 第15-16页 |
| ·电压监测管理系统简介 | 第16-17页 |
| ·课题背景和研究意义 | 第17-18页 |
| ·本文的研究内容 | 第18页 |
| ·论文的结构 | 第18-20页 |
| 第2章 数据挖掘技术 | 第20-26页 |
| ·引言 | 第20页 |
| ·数据挖掘的基础知识 | 第20-21页 |
| ·数据挖掘的基本概念 | 第20页 |
| ·数据挖掘的应用领域 | 第20-21页 |
| ·数据挖掘的过程 | 第21-24页 |
| ·数据准备 | 第22-23页 |
| ·数据选择 | 第23页 |
| ·数据预处理 | 第23页 |
| ·数据挖掘及模式评价 | 第23-24页 |
| ·数据挖掘的常用方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 神经网络算法研究 | 第26-40页 |
| ·引言 | 第26页 |
| ·神经网络的概述 | 第26-30页 |
| ·神经元原理 | 第26-28页 |
| ·神经网络学习算法 | 第28-30页 |
| ·神经网络泛化 | 第30页 |
| ·神经网络的分类 | 第30-32页 |
| ·神经网络的特征及应用 | 第32-33页 |
| ·BP 神经网络 | 第33-38页 |
| ·BP 神经网络结构 | 第33页 |
| ·BP 神经网络学习算法 | 第33-35页 |
| ·BP 算法流程图 | 第35-37页 |
| ·BP 神经网络的局限性以及改进方法 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于神经网络的电力系统谐波监测技术 | 第40-52页 |
| ·引言 | 第40页 |
| ·电力系统谐波概述 | 第40-44页 |
| ·电力系统谐波的定义及产生 | 第40页 |
| ·谐波造成的危害以及治理的意义 | 第40-41页 |
| ·常用的谐波监测方法 | 第41-43页 |
| ·谐波信号的提取 | 第43-44页 |
| ·BP 神经网络算法分析 | 第44页 |
| ·BP 神经网络算法实现 | 第44-46页 |
| ·基于粒子群算法优化 BP 神经网络的谐波监测技术 | 第46-50页 |
| ·基本粒子群算法及其改进 | 第46-48页 |
| ·改进粒子群算法优化 BP 神经网络 | 第48页 |
| ·算法实现 | 第48-49页 |
| ·结果分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 基于数据挖掘技术的电压监测管理系统的应用 | 第52-80页 |
| ·引言 | 第52页 |
| ·J2EE 技术 | 第52-55页 |
| ·J2EE 概述. | 第52页 |
| ·J2EE 的四层模型. | 第52-53页 |
| ·J2EE 核心技术. | 第53-54页 |
| ·MVC 开发模式 | 第54-55页 |
| ·电压监测管理系统的设计 | 第55-61页 |
| ·系统的设计思想 | 第55页 |
| ·系统整体结构 | 第55-56页 |
| ·系统的功能设计 | 第56-57页 |
| ·数据库设计 | 第57-61页 |
| ·电压监测管理系统功能的实现 | 第61-72页 |
| ·系统登录实现 | 第62-65页 |
| ·用户管理实现 | 第65-67页 |
| ·公司人员资料模块的实现 | 第67-68页 |
| ·仪表基本资料模块的实现 | 第68-69页 |
| ·仪表数据查看模块的实现 | 第69-70页 |
| ·统计报表查看模块的实现 | 第70页 |
| ·系统数据库连接实现 | 第70-72页 |
| ·基于概率统计分析方法的电压质量分析 | 第72-77页 |
| ·概率统计分析方法简介 | 第72-73页 |
| ·仿真实例分析 | 第73-75页 |
| ·电压监测管理系统的数据分析 | 第75-77页 |
| ·本章小结 | 第77-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读学位期间发表的学术论文 | 第86-88页 |
| 致谢 | 第88-89页 |
| 详细摘要 | 第89-93页 |