| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国内研究动态 | 第11-13页 |
| 1.2.2 国外研究动态 | 第13-14页 |
| 1.2.3 国内外研究现状的综合分析 | 第14-15页 |
| 1.3 本文研究思路与研究内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第2章 数据流及数据流处理模型 | 第18-27页 |
| 2.1 数据流基本概念 | 第18-20页 |
| 2.1.1 数据流定义 | 第18-19页 |
| 2.1.2 数据流模型 | 第19-20页 |
| 2.2 数据流的特点 | 第20-22页 |
| 2.2.1 数据流的特征 | 第20-21页 |
| 2.2.2 数据流与传统数据的差异 | 第21-22页 |
| 2.3 数据流处理模型 | 第22-24页 |
| 2.4 数据流应用 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于特征抽样的数据流概要模型生成研究 | 第27-38页 |
| 3.1 数据流概要生成基本概念 | 第27-29页 |
| 3.1.1 数据概要模型构建 | 第27-28页 |
| 3.1.2 数据流异常特征 | 第28-29页 |
| 3.2 基于特征抽样的数据流概要模型生成算法 | 第29-34页 |
| 3.2.1 算法的提出 | 第29-30页 |
| 3.2.2 数据流异常特征 | 第30-31页 |
| 3.2.3 算法的基本原理 | 第31-34页 |
| 3.3 算例验证 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于数据流挖掘的电网设备风险识别算法 | 第38-50页 |
| 4.1 数据流风险识别的基本原理 | 第38-39页 |
| 4.2 传统的数据流挖掘算法 | 第39-43页 |
| 4.2.1 聚类算法介绍 | 第39-41页 |
| 4.2.2 分类算法介绍 | 第41-42页 |
| 4.2.3 数据流处理思想 | 第42-43页 |
| 4.3 基于双层窗口数据流分类的电网设备风险识别算法 | 第43-46页 |
| 4.3.1 算法的提出 | 第43-44页 |
| 4.3.2 算法的基本原理 | 第44-46页 |
| 4.4 实例验证 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于数据流预测的电网设备风险预警模型 | 第50-59页 |
| 5.1 数据流预测算法简介 | 第50-52页 |
| 5.1.1 预测的基本概念 | 第50-51页 |
| 5.1.2 算法误差分析 | 第51-52页 |
| 5.2 基于数据流预测的电网设备风险预警模型 | 第52-56页 |
| 5.2.1 算法的提出 | 第52-53页 |
| 5.2.2 常规灰度预测模型 | 第53-54页 |
| 5.2.3 代谢递补灰度预测模型 | 第54-55页 |
| 5.2.4 模型检验与修正 | 第55-56页 |
| 5.3 实例分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 研究成果和结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-66页 |
| 致谢 | 第66页 |