| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-29页 |
| 1.1 论文的研究背景与意义 | 第11-12页 |
| 1.2 聚类描述 | 第12-15页 |
| 1.3 半监督聚类描述 | 第15-17页 |
| 1.4 集成学习描述 | 第17-19页 |
| 1.5 HVAC空调系统介绍 | 第19-27页 |
| 1.5.1 压缩机模型介绍 | 第21-22页 |
| 1.5.2 蒸发器模型介绍 | 第22-24页 |
| 1.5.3 冷凝器模型介绍 | 第24-26页 |
| 1.5.4 膨胀阀模型介绍 | 第26-27页 |
| 1.6 本文研究内容及创新点 | 第27-29页 |
| 1.6.1 本文研究内容 | 第27页 |
| 1.6.2 各章节主要内容安排及创新点 | 第27-29页 |
| 第二章 基于集成学习的半监督约束快速密度峰值聚类 | 第29-55页 |
| 2.1 算法背景介绍 | 第29-31页 |
| 2.2 算法描述 | 第31-43页 |
| 2.2.1 相关定义 | 第31-33页 |
| 2.2.2 算法流程 | 第33页 |
| 2.2.3 局部密度与邻近距离计算 | 第33-34页 |
| 2.2.4 初始中心点选择 | 第34-37页 |
| 2.2.5 集成学习增加约束数量 | 第37-38页 |
| 2.2.6 初始中心簇生成 | 第38-40页 |
| 2.2.7 簇融合 | 第40-43页 |
| 2.3 算法效果实验 | 第43-52页 |
| 2.3.1 聚类效果评价 | 第43-44页 |
| 2.3.2 半监督信息产生规则 | 第44页 |
| 2.3.3 数据集介绍 | 第44-46页 |
| 2.3.4 实验结果分析 | 第46-50页 |
| 2.3.5 SiCE-CFDP在空调仿真数据集上的测试 | 第50-52页 |
| 2.4 算法总结 | 第52-55页 |
| 第三章 基于增强类结构挖掘的半监督约束快速密度峰值聚类 | 第55-73页 |
| 3.1 算法描述 | 第55-59页 |
| 3.1.1 算法说明 | 第55页 |
| 3.1.2 算法流程 | 第55-56页 |
| 3.1.3 数据块生成与类结构增强 | 第56-57页 |
| 3.1.4 初始中心簇生成 | 第57-58页 |
| 3.1.5 初始中心簇融合 | 第58-59页 |
| 3.2 算法效果实验 | 第59-71页 |
| 3.2.1 数据集介绍 | 第59页 |
| 3.2.2 算法参数敏感度分析 | 第59-64页 |
| 3.2.3 实验结果分析 | 第64-70页 |
| 3.2.4 CCFDP在空调仿真数据集上的测试 | 第70-71页 |
| 3.3 算法总结 | 第71-73页 |
| 第四章 半监督聚类算法在空调控制的应用 | 第73-95页 |
| 4.1 背景介绍 | 第73-74页 |
| 4.2 变冷冻水流量多联空调系统的现有基础控制方案 | 第74-79页 |
| 4.2.1 仿真模型建立 | 第74页 |
| 4.2.2 经过结构调整的现有基础控制方案 | 第74-79页 |
| 4.2.3 现有基础控制方案不足分析 | 第79页 |
| 4.3 基于半监督聚类负荷预测的改进控制方案 | 第79-83页 |
| 4.4 控制算法结果实验 | 第83-93页 |
| 4.4.1 实验描述 | 第83-85页 |
| 4.4.2 实验分析 | 第85-93页 |
| 4.5 本章小结 | 第93-95页 |
| 第五章 总结与展望 | 第95-99页 |
| 5.1 本文研究内容总结 | 第95-96页 |
| 5.2 工作的不足与展望 | 第96-99页 |
| 参考文献 | 第99-105页 |
| 致谢 | 第105-107页 |
| 作者简历 | 第107页 |
| 攻读硕士学位期间的科研成果 | 第107页 |
