基于小波-主成分分析的雷电过电压识别系统设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究课题背景及意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-12页 |
| 1.3 本文的研究内容和主要工作 | 第12-13页 |
| 第2章 雷电过电压数据的处理 | 第13-25页 |
| 2.1 小波变换对数据的分解与重构 | 第13-16页 |
| 2.1.1 小波变换的数据分解 | 第13-15页 |
| 2.1.2 小波分解数据的重构 | 第15-16页 |
| 2.2 主成分分析对数据的特征提取 | 第16-20页 |
| 2.2.1 重构数据的预处理 | 第17-18页 |
| 2.2.2 主成分提取 | 第18-20页 |
| 2.3 实验仿真 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于改进神经网络的雷电过电压识别 | 第25-40页 |
| 3.1 改进神经网络的研究 | 第25-31页 |
| 3.1.1 BP神经网络 | 第25-28页 |
| 3.1.2 基于动量因子优化的改进BP神经网络 | 第28-31页 |
| 3.2 基于改进神经网络的分类模型 | 第31-34页 |
| 3.2.1 基于改进神经网络分类模型的训练 | 第31-32页 |
| 3.2.2 改进神经网络分类模型实现 | 第32-34页 |
| 3.3 实验仿真 | 第34-39页 |
| 3.3.1 改进的神经网络性能对比 | 第34-36页 |
| 3.3.2 神经网络分类模型结果 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 系统的设计与实现 | 第40-52页 |
| 4.1 系统需求分析 | 第40-41页 |
| 4.1.1 系统功能需求分析 | 第40-41页 |
| 4.1.2 系统性能需求分析 | 第41页 |
| 4.2 雷电过电压识别系统的设计 | 第41-47页 |
| 4.2.1 系统框架 | 第41-43页 |
| 4.2.2 系统功能模块设计 | 第43页 |
| 4.2.3 用户管理模块 | 第43-44页 |
| 4.2.4 分析识别模块 | 第44-46页 |
| 4.2.5 数据管理模块 | 第46-47页 |
| 4.2.6 数据接口模块 | 第47页 |
| 4.3 雷电过电压识别系统的实现 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57页 |
