| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-22页 |
| ·研究电力变压器故障诊断和预测的目的和意义 | 第10-12页 |
| ·电力变压器故障分类及诊断方法 | 第12-16页 |
| ·电力变压器故障分类 | 第12-14页 |
| ·变压器的经典故障诊断方法 | 第14-16页 |
| ·电力变压器故障诊断研究现状及发展动态 | 第16-18页 |
| ·电力变压器故障预测技术研究现状以及发展趋势 | 第18-19页 |
| ·最小二乘支持向量机LS-SVM 理论背景及研究现状 | 第19-20页 |
| ·本文主要研究内容 | 第20-22页 |
| 2 支持向量机理论与LS-SVM | 第22-42页 |
| ·机器学习的基础知识 | 第22-24页 |
| ·机器学习问题的表示 | 第22-23页 |
| ·经验风险最小化原则 | 第23-24页 |
| ·统计学理论 | 第24-27页 |
| ·学习机器VC 维 | 第24-25页 |
| ·推广能力的界 | 第25-26页 |
| ·结构风险最小化原则 | 第26-27页 |
| ·支持向量机理论 | 第27-37页 |
| ·支持向量机分类（Classification） | 第27-32页 |
| ·支持向量机回归（Regression） | 第32-36页 |
| ·支持向量机的特点总结与改进 | 第36-37页 |
| ·最小二乘支持向量机（LS-SVM） | 第37-41页 |
| ·LS-SVM 分类与回归算法 | 第37-40页 |
| ·最小二乘支持向量机LS-SVM 的特性总结 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 3 基于LS-SVM 的电力变压器故障诊断方法研究 | 第42-55页 |
| ·模式识别与故障诊断分类 | 第42-43页 |
| ·故障特征量及故障模式的确定 | 第43-44页 |
| ·故障特征量的确定 | 第43页 |
| ·故障模式的确定 | 第43-44页 |
| ·模型数据预处理与参数优化 | 第44-46页 |
| ·数据归一化处理 | 第44页 |
| ·核函数与核参数的选择 | 第44-45页 |
| ·模型参数优化 | 第45-46页 |
| ·LS-SVM 的多分类问题及其实现 | 第46-51页 |
| ·LS-SVM 多分类问题 | 第46-49页 |
| ·LS-SVM 多分类问题的实现 | 第49-50页 |
| ·基于LS-SVM 的变压器故障诊断建模流程 | 第50-51页 |
| ·变压器故障诊断模型实例及结果分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 4 基于LS-SVM 的电力变压器故障预测方法研究 | 第55-63页 |
| ·故障预测建模过程 | 第55-56页 |
| ·基于MATLAB 的故障预测建模仿真应用 | 第56-58页 |
| ·LS-SVMlab 简介 | 第56-57页 |
| ·基于LS-SVMlab 的回归预测实现 | 第57-58页 |
| ·变压器故障预测实例及结果分析 | 第58-60页 |
| ·变压器LS-SVM 故障诊断与故障预测的结合 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-69页 |
