| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要工作和论文结构 | 第13-14页 |
| ·本文的主要工作 | 第13-14页 |
| ·论文的组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 局部放电产生原理及检测技术简介 | 第15-24页 |
| ·局部放电产生原理及特征 | 第15-19页 |
| ·电测法 | 第19页 |
| ·脉冲电流法 | 第19页 |
| ·超高频检测法 | 第19页 |
| ·介质损耗分析法 | 第19页 |
| ·非电检测法 | 第19-20页 |
| ·超声波检测法 | 第20页 |
| ·光检测法 | 第20页 |
| ·放电产物分析法 | 第20页 |
| ·超声波法检测局部放电的原理 | 第20-23页 |
| ·超声波基本概念 | 第20-21页 |
| ·局部放电超声波产生原理 | 第21页 |
| ·局部放电超声波检测的特点 | 第21-22页 |
| ·局部放电超声波信号检测原理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 音频信号分类的理论基础及相关技术 | 第24-38页 |
| ·音频分类识别概述 | 第24-25页 |
| ·信号特征提取 | 第25-35页 |
| ·基于帧的音频特征 | 第26-32页 |
| ·基于片段的音频特征 | 第32-35页 |
| ·常用的数学分类模型及方法 | 第35-36页 |
| ·神经网络 | 第35页 |
| ·支持向量机 | 第35-36页 |
| ·高斯混合模型 | 第36页 |
| ·隐马尔可夫模型 | 第36页 |
| ·分类模型性能比较 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于 SVM 的超声波局部放电分类算法及实现 | 第38-57页 |
| ·支持向量机（SVM）的基本原理 | 第38-39页 |
| ·SVM 的二分类问题 | 第39-44页 |
| ·线性可分情况 | 第40-42页 |
| ·线性不可分情况 | 第42-44页 |
| ·核函数的选择 | 第44-45页 |
| ·基于 SVM 的音频分类算法 | 第45-47页 |
| ·特征集降维优化 | 第47-56页 |
| ·基于主成分分析（PCA）的特征集优化 | 第48-51页 |
| ·基于偏最小二乘（PLS）特征集优化 | 第51-54页 |
| ·两种特征集优化方法的比较 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于 SVM 的开关柜局部放电检测算法应用 | 第57-63页 |
| ·基于超声波检测的开关柜局部放电检测算法 | 第57-59页 |
| ·基于 PLS-SVM 的开关柜局部放电检测结果分析 | 第59-60页 |
| ·基于 SVM 的超声波局部放电故障识别算法的应用优势 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 答辩委员会对论文的评定意见 | 第70页 |
