| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景和研究意义 | 第9-10页 |
| 1.2 数据挖掘与云模型的研究现状与应用 | 第10-12页 |
| 1.2.1 数据挖掘的提出及其应用现状 | 第10-11页 |
| 1.2.2 云模型理论研究与应用 | 第11-12页 |
| 1.3 变压器故障诊断研究现状 | 第12-13页 |
| 1.4 论文的主要研究工作及组织结构 | 第13-15页 |
| 第2章 数据挖掘技术与正态云模型 | 第15-29页 |
| 2.1 数据挖掘技术 | 第15-18页 |
| 2.1.1 数据挖掘的定义 | 第15页 |
| 2.1.2 数据挖掘的过程与任务 | 第15-17页 |
| 2.1.3 数据挖掘结果的评估 | 第17-18页 |
| 2.2 正态云模型分析与应用 | 第18-28页 |
| 2.2.1 正态云模型及其相关概念 | 第18-19页 |
| 2.2.2 基于无确定度的逆向正态云发生器及云变换 | 第19-23页 |
| 2.2.3 概念的跃升策略及合并算法 | 第23-26页 |
| 2.2.4 正态云模型在DGA数据预处理中的应用 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于正态云模型的关联规则挖掘 | 第29-40页 |
| 3.1 关联规则 | 第29-31页 |
| 3.1.1 关联规则及其相关概念 | 第29-30页 |
| 3.1.2 关联规则挖掘步骤 | 第30-31页 |
| 3.2 Apriori算法原理与描述 | 第31-34页 |
| 3.2.1 频繁项的产生 | 第32-33页 |
| 3.2.2 关联规则的生成 | 第33-34页 |
| 3.3 基于云模型的关联规则在变压器故障诊断中的应用 | 第34-39页 |
| 3.3.1 变压器故障类型 | 第34-35页 |
| 3.3.2 基于云推理的变压器故障分类器 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于正态云模型与改进贝叶斯分类器的变压器故障诊断 | 第40-54页 |
| 4.1 贝叶斯分类器 | 第40-43页 |
| 4.2 改进贝叶斯分类器 | 第43-46页 |
| 4.2.1 关联规则森林表示方法及属性的联合概率 | 第43-44页 |
| 4.2.2 基于改进贝叶斯分类器的变压器故障诊断模型 | 第44-46页 |
| 4.3 提升改进贝叶斯分类器 | 第46-50页 |
| 4.3.1 支持向量机的基本概念 | 第47-49页 |
| 4.3.2 基于SVR的分类器组合 | 第49-50页 |
| 4.4 基于正态云模型与改进贝叶斯分类器的变压器故障诊断模型 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 结论和展望 | 第54-56页 |
| 5.1 结论 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 在学期间发表的学术论文和参加科研情况 | 第59-60页 |
| 致谢 | 第60页 |
