关联规则决策树算法在电网故障中的分析及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 选题背景及研究意义 | 第11页 |
| 1.2 电力系统故障研究现状 | 第11-14页 |
| 1.3 本文研究的主要内容 | 第14页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 拟解决的关键问题 | 第14页 |
| 1.4 本文技术路线及组织结构 | 第14-15页 |
| 1.5 本章小节 | 第15-16页 |
| 第二章 关联规则决策树算法 | 第16-29页 |
| 2.1 数据挖掘 | 第16-19页 |
| 2.1.1 概念特性 | 第16页 |
| 2.1.2 数据挖掘作用 | 第16-17页 |
| 2.1.3 数据挖掘基本流程 | 第17-19页 |
| 2.2 关联规则算法分析 | 第19-21页 |
| 2.2.1 关联规则 | 第19-20页 |
| 2.2.2 关联规则的挖掘过程 | 第20页 |
| 2.2.3 经典Apriori算法伪码描述 | 第20-21页 |
| 2.3 基于Apriori算法的改进 | 第21-22页 |
| 2.4 决策树算法分析 | 第22-28页 |
| 2.4.1 属性选择度量 | 第22-23页 |
| 2.4.2 C4.5 算法 | 第23-24页 |
| 2.4.3 决策树实例分析 | 第24-28页 |
| 2.5 本章小节 | 第28-29页 |
| 第三章 恶劣天气下电网故障原因分析与模型设计 | 第29-39页 |
| 3.1 事故因素分析 | 第29-35页 |
| 3.1.1 直接因素分析 | 第29-34页 |
| 3.1.2 间接因素分析 | 第34-35页 |
| 3.1.3 其它因素分析 | 第35页 |
| 3.2 模型构建基本思路 | 第35-36页 |
| 3.3 挖掘模型分析 | 第36-38页 |
| 3.3.1 属性提取 | 第37页 |
| 3.3.2 模型建立 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 关联规则决策树模型在电网故障中应用 | 第39-51页 |
| 4.1 算法优化与分析 | 第39-44页 |
| 4.1.1 算法优化 | 第39-42页 |
| 4.1.2 新属性生成 | 第42-43页 |
| 4.1.3 引发电网故障属性类型处理 | 第43页 |
| 4.1.4 算法实现流程 | 第43-44页 |
| 4.2 样本集算例准备 | 第44-45页 |
| 4.3 算法实验结果分析 | 第45-50页 |
| 4.3.1 Apriori算法归纳扫描 | 第45-46页 |
| 4.3.2 新属性的产生 | 第46-47页 |
| 4.3.3 C4.5 算法结果分析 | 第47-49页 |
| 4.3.4 对该省电力系统提出的意见或建议 | 第49-50页 |
| 4.4 本章小节 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录 (攻读硕士期间所发表的学位论文) | 第57页 |
