数据挖掘算法在电力生产决策中的研究与应用
| 中文摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-9页 |
| ·论文选题背景及意义 | 第6-7页 |
| ·电力生产的现状 | 第7-8页 |
| ·本文的主要工作 | 第8-9页 |
| 第二章 数据挖掘技术概述 | 第9-14页 |
| ·概述 | 第9-10页 |
| ·数据挖掘定义 | 第9页 |
| ·数据挖掘的产生和发展 | 第9-10页 |
| ·数据挖掘的理论基础 | 第10页 |
| ·数据挖掘体系结构 | 第10-11页 |
| ·数据挖掘的过程 | 第10-11页 |
| ·数据挖掘体系结构 | 第11页 |
| ·数据挖掘的分类 | 第11-12页 |
| ·数据挖掘的任务 | 第12页 |
| ·数据挖掘的应用 | 第12-14页 |
| 第三章 电力生产决策的总体框架 | 第14-18页 |
| ·电力生产决策中运用数据挖掘的可能性 | 第14-15页 |
| ·电力生产决策系统的特点 | 第14页 |
| ·数据挖掘技术在电力生产决策中的应用 | 第14-15页 |
| ·电力生产决策中数据挖掘的研究目的 | 第15页 |
| ·电力生产决策中数据挖掘的主要内容 | 第15-16页 |
| ·电力生产决策中数据挖掘的模型 | 第16页 |
| ·电力生产决策中数据挖掘的过程 | 第16-18页 |
| 第四章 电力生产决策中数据挖掘算法研究 | 第18-45页 |
| ·贝叶斯算法 | 第18-33页 |
| ·贝叶斯算法概述 | 第18-20页 |
| ·贝叶斯网络的推理 | 第20-25页 |
| ·贝叶斯网络的数据结构 | 第25-30页 |
| ·贝叶斯网络学习 | 第30-33页 |
| ·多模块贝叶斯算法 | 第33-39页 |
| ·多模块贝叶斯算法思想 | 第33-35页 |
| ·MSBN中的局部推理 | 第35-39页 |
| ·变量消除算法 | 第35-37页 |
| ·连接树算法 | 第37-39页 |
| ·MSBN中的全局推理 | 第39页 |
| ·灰关联分析方法 | 第39-45页 |
| ·灰关联分析方法概述 | 第39-41页 |
| ·灰关联分析的推理及改进 | 第41-42页 |
| ·灰关联分析的应用 | 第42-45页 |
| 第五章 数据挖掘算法在电力生产决策中的应用 | 第45-50页 |
| ·电力生产决策中的数据来源 | 第45-46页 |
| ·电力生产决策的主要研究内容 | 第46页 |
| ·数据挖掘算法在电力生产决策中的实现 | 第46-50页 |
| 第六章 结束语 | 第50-52页 |
| ·本文得出的结论 | 第50页 |
| ·对未来的展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 在学期间发表的学术论文和参加科研情况 | 第55页 |
