| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究的主要工作和章节安排 | 第13-15页 |
| 第2章 异常数据检测与挖掘 | 第15-25页 |
| 2.1 异常数据检测背景 | 第15页 |
| 2.2 金字塔数据分类模型 | 第15-16页 |
| 2.3 数据预处理建模与实现 | 第16-19页 |
| 2.4 实例测试与分析 | 第19-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 自迭代的部分连接多层感知器与支持向量机模型MLP-SVM | 第25-35页 |
| 3.1 六种特征选择方法 | 第25-26页 |
| 3.2 多层感知器MLP方法 | 第26-28页 |
| 3.3 支持向量机SVM方法 | 第28-29页 |
| 3.4 全连接后向传播算法 | 第29-30页 |
| 3.5 基于多层感知器与支持向量机的新型混合模型(MLP-SVM) | 第30-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 实例分析 | 第35-45页 |
| 4.1 预测模型评价指标 | 第35-36页 |
| 4.2 金字塔数据分类模型处理风电功率数据 | 第36页 |
| 4.3 实例分析与验证 | 第36-44页 |
| 4.3.1 实例分析Ⅰ-混合预测模型特征选择方法 | 第37-38页 |
| 4.3.2 实例分析Ⅱ-混合预测模型的预测效果 | 第38-43页 |
| 4.3.3 实例分析Ⅲ-混合预测模型的有效度 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 结论与展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 学位论文评阅及答辩情况表 | 第51页 |