| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景和意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作及内容安排 | 第14-15页 |
| 第2章 粗糙集和关联规则挖掘理论 | 第15-22页 |
| 2.1 粗糙集理论 | 第15-19页 |
| 2.1.1 不精确范畴、近似与粗糙集 | 第15-16页 |
| 2.1.2 决策系统的知识表示 | 第16-17页 |
| 2.1.3 决策表的知识约简 | 第17-19页 |
| 2.2 关联规则挖掘理论 | 第19-21页 |
| 2.2.1 关联规则的基本概念 | 第19-20页 |
| 2.2.2 定义及性质 | 第20-21页 |
| 2.2.3 关联规则的挖掘步骤 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 变电设备故障诊断模型设计 | 第22-28页 |
| 3.1 粗糙集应用于关联规则挖掘的优势分析 | 第22-23页 |
| 3.2 基于粗糙集和关联规则挖掘的变电设备故障诊断模型设计 | 第23-27页 |
| 3.2.1 数据预处理层 | 第24-25页 |
| 3.2.2 关联规则挖掘层 | 第25-26页 |
| 3.2.3 规则获取层 | 第26页 |
| 3.2.4 故障诊断层 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 基于粗糙集和关联规则挖掘的变电设备故障诊断方法 | 第28-42页 |
| 4.1 连续属性离散化 | 第28-31页 |
| 4.1.1 离散化方法分析 | 第28-29页 |
| 4.1.2 基于信息熵的连续属性离散化方法 | 第29-31页 |
| 4.2 不完备数据补齐 | 第31-33页 |
| 4.2.1 不完备决策表中条件属性重要度度量 | 第31-32页 |
| 4.2.2 基于加权相似性的数据补齐方法 | 第32-33页 |
| 4.3 属性约简方法 | 第33-37页 |
| 4.3.1 属性约简的一般方法 | 第33-34页 |
| 4.3.2 基于遗传算法的属性约简方法 | 第34-37页 |
| 4.4 关联规则挖掘方法 | 第37-41页 |
| 4.4.1 经典挖掘算法的分析 | 第37-38页 |
| 4.4.2 改进的Apriori算法 | 第38-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 变电设备故障诊断原型系统与实验分析 | 第42-55页 |
| 5.1 变电设备故障诊断原型系统设计与实现 | 第42-46页 |
| 5.1.1 系统总体的设计 | 第42-43页 |
| 5.1.2 数据管理 | 第43-44页 |
| 5.1.3 故障诊断 | 第44-46页 |
| 5.2 实验分析 | 第46-54页 |
| 5.2.1 样本数据说明 | 第46-48页 |
| 5.2.2 数据预处理 | 第48-51页 |
| 5.2.3 关联规则挖掘 | 第51-52页 |
| 5.2.4 对比分析 | 第52-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |