基于聚类及关联度分析的供电公司电力营销稽查的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 聚类方法研究现状 | 第10-11页 |
| 1.3.2 关联方法研究现状 | 第11-12页 |
| 1.3.3 窃电检测研究现状 | 第12-13页 |
| 1.4 论文开展的主要工作和章节安排 | 第13-15页 |
| 第二章 营销稽查相关理论研究及监测手段 | 第15-24页 |
| 2.1 窃电行为概述 | 第15-16页 |
| 2.2 窃电行为主要表现方式及反制手段 | 第16-18页 |
| 2.2.1 窃电行为主要表现方式 | 第16-17页 |
| 2.2.2 窃电行为反制手段 | 第17-18页 |
| 2.3 窃电行为异常特征及判定依据 | 第18-21页 |
| 2.3.1 常见窃电行为导致的系统或数据异常 | 第18-19页 |
| 2.3.2 窃电行为判别指标 | 第19-21页 |
| 2.4 窃电检测流程和技术路线 | 第21-23页 |
| 2.5 小结 | 第23-24页 |
| 第三章 聚类算法介绍 | 第24-32页 |
| 3.1 K-Means聚类算法 | 第24-27页 |
| 3.1.1 K-Means聚类算法基础 | 第24-25页 |
| 3.1.2 K-Means聚类算法实现过程 | 第25-26页 |
| 3.1.3 数据存储原理 | 第26-27页 |
| 3.2 仿真分析 | 第27-31页 |
| 3.3 小结 | 第31-32页 |
| 第四章 关联度算法介绍 | 第32-44页 |
| 4.1 关联度计算算法 | 第32-37页 |
| 4.1.1 Apriori算法基础 | 第32-33页 |
| 4.1.2 Apriori算法实现过程 | 第33-35页 |
| 4.1.3 FP-growth算法简介 | 第35-37页 |
| 4.2 仿真分析 | 第37-43页 |
| 4.2.1 Apriori算法原理仿真分析 | 第37-39页 |
| 4.2.2 FP-growth算法原理仿真分析 | 第39-43页 |
| 4.3 小结 | 第43-44页 |
| 第五章 聚类及关联度算法在电力营销稽查的实现 | 第44-61页 |
| 5.1 电力营销稽查数据来源 | 第44-45页 |
| 5.2 系统结构框架 | 第45-46页 |
| 5.3 聚类及关联度算法在电力营销稽查中的实现 | 第46-59页 |
| 5.3.1 数据筛选和清洗 | 第46-48页 |
| 5.3.2 数据源模型设计 | 第48-51页 |
| 5.3.3 结果展现 | 第51-59页 |
| 5.3.4 营销稽查分析 | 第59页 |
| 5.4 小结 | 第59-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
