| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 注释表 | 第11-12页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 窃电分析 | 第13-15页 |
| 1.2.1 窃电原理分析 | 第13页 |
| 1.2.2 窃电常用手段 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-18页 |
| 1.3.1 传统防窃电手段 | 第15-17页 |
| 1.3.2 现有措施不足 | 第17-18页 |
| 1.4 数据挖掘在防窃电领域的应用 | 第18-20页 |
| 1.5 本文主要工作 | 第20-22页 |
| 第2章 基于数据挖掘的窃电用户检测 | 第22-32页 |
| 2.1 基于数据挖掘的窃电检测及其模型 | 第22-24页 |
| 2.1.1 数据挖掘在异常用电检测中的应用 | 第22-23页 |
| 2.1.2 基于数据挖掘的异常用电检测模型 | 第23-24页 |
| 2.2 相关理论基础 | 第24-31页 |
| 2.2.1 离群点检测 | 第24-26页 |
| 2.2.2 SVM理论原理 | 第26-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于离群点检测的窃电分析 | 第32-49页 |
| 3.1 离群点检测 | 第32-35页 |
| 3.1.1 检测算法选择 | 第32-33页 |
| 3.1.2 LOF算法检测原理 | 第33-35页 |
| 3.2 数据准备工作 | 第35-37页 |
| 3.2.1 异常用电特征提取 | 第35-36页 |
| 3.2.2 数据预处理 | 第36-37页 |
| 3.3 基于层次分析法的加权LOF窃电检测研究 | 第37-44页 |
| 3.3.1 基于层次分析法的指标权重设置 | 第37-42页 |
| 3.3.2 基于加权LOF算法的窃电分析 | 第42-44页 |
| 3.4 结果验证分析 | 第44-48页 |
| 3.4.1 结果评价准则 | 第44-45页 |
| 3.4.2 实验结果分析 | 第45-47页 |
| 3.4.3 参数影响分析 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于支持向量机的用户窃电检测 | 第49-71页 |
| 4.1 基于SMOTE+Bagging的不平衡样本综合处理模型 | 第49-54页 |
| 4.1.1 不平衡样本对SVM检测结果的影响分析 | 第49-50页 |
| 4.1.2 SMOTE过采样技术 | 第50-51页 |
| 4.1.3 Bagging集成分类 | 第51-52页 |
| 4.1.4 基于SMOTE+Bagging的不平衡样本综合检测模型 | 第52-54页 |
| 4.2 SVM参数优化 | 第54-58页 |
| 4.2.1 SVM参数影响分析 | 第54-55页 |
| 4.2.2 差分进化算法 | 第55-56页 |
| 4.2.3 基于差分进化算法的SVM参数优化 | 第56-58页 |
| 4.3 基于SVM综合处理模型的异常用电识别 | 第58-62页 |
| 4.3.1 用户用电行为分析 | 第58-59页 |
| 4.3.2 整体检测方案设计 | 第59-62页 |
| 4.4 结果验证分析 | 第62-69页 |
| 4.4.1 结果评价准则 | 第62-64页 |
| 4.4.2 结果验证分析 | 第64-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 5.1 全文工作总结 | 第71页 |
| 5.2 后续工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第78页 |