| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及其意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 数据挖掘技术概述 | 第9-12页 |
| 1.2.2 数据挖掘在报警信息处理中的研究现状 | 第12-14页 |
| 1.3 主要技术难点及关键技术 | 第14页 |
| 1.4 本文的主要工作内容 | 第14-16页 |
| 第2章 电网报警数据仓库建立 | 第16-25页 |
| 2.1 数据仓库 | 第16-17页 |
| 2.1.1 数据仓库定义 | 第16-17页 |
| 2.1.2 数据仓库特点 | 第17页 |
| 2.2 电网报警数据ETL | 第17-21页 |
| 2.2.1 数据抽取 | 第18页 |
| 2.2.2 数据的清洗和转换 | 第18-20页 |
| 2.2.3 应用Kettle软件实现电网报警信息ETL | 第20-21页 |
| 2.3 电网报警数据仓库的构建 | 第21-24页 |
| 2.3.1 收集电网报警相关的信息 | 第21页 |
| 2.3.2 选择数据仓库的实现技术 | 第21-22页 |
| 2.3.3 逻辑模型设计 | 第22-23页 |
| 2.3.4 数据仓库的构建 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 电网报警信息去噪 | 第25-40页 |
| 3.1 决策树算法及贝叶斯定理简介 | 第25-29页 |
| 3.1.1 决策树算法简介 | 第25-26页 |
| 3.1.2 C4.5 算法 | 第26-27页 |
| 3.1.3 贝叶斯定理简介 | 第27-28页 |
| 3.1.4 朴素贝叶斯分类方法 | 第28-29页 |
| 3.2 决策树算法改进 | 第29-32页 |
| 3.2.1 贝叶斯决策树算法简介 | 第29-30页 |
| 3.2.2 贝叶斯决策树算法描述 | 第30-32页 |
| 3.3 实例应用分析 | 第32-39页 |
| 3.3.1 数据预处理 | 第32-33页 |
| 3.3.2 归纳形成分类属性 | 第33-35页 |
| 3.3.3 形成去噪分类决策树 | 第35-39页 |
| 3.3.4 报警信息噪声滤除方法对比分析 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 电网线路故障类型诊断 | 第40-52页 |
| 4.1 关联分析方法简介 | 第40-41页 |
| 4.2 关联规则挖掘的算法和改进 | 第41-44页 |
| 4.2.1 FP-growth算法 | 第41-42页 |
| 4.2.2 FP-growth算法改进 | 第42-43页 |
| 4.2.3 挖掘算法对比分析 | 第43-44页 |
| 4.3 线路故障类型诊断 | 第44-48页 |
| 4.3.1 实现线路故障类型诊断过程 | 第44页 |
| 4.3.2 线路故障数据预处理 | 第44-47页 |
| 4.3.3 线路故障类型关联规则挖掘 | 第47页 |
| 4.3.4 实现线路故障类型诊断 | 第47-48页 |
| 4.4 实例应用分析 | 第48-51页 |
| 4.4.1 线路故障关联规则挖掘 | 第48-50页 |
| 4.4.2 线路故障类型诊断 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 5.1 结论 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-66页 |
| 附录1 维层次结构 | 第57页 |
| 附录2 数据仓库创建程序 | 第57-60页 |
| 附录3 电网报警数据仓库数据结构 | 第60-61页 |
| 附录4 线路故障记录及线路故障类型关联规则 | 第61-66页 |
| 在学期间发表的学术论文和参加科研情况 | 第66-67页 |
| 致谢 | 第67页 |