| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 电力数据研究现状 | 第14-17页 |
| 1.2.2 异常值检测研究现状 | 第17-19页 |
| 1.2.3 负荷曲线聚类研究现状 | 第19页 |
| 1.3 本文的主要内容和结构 | 第19-21页 |
| 第2章 相关技术准备 | 第21-30页 |
| 2.1 数据驱动技术 | 第21-22页 |
| 2.1.1 数据驱动定义 | 第21页 |
| 2.1.2 数据驱动的过程 | 第21-22页 |
| 2.2 数据挖掘任务 | 第22-23页 |
| 2.3 数据清洗 | 第23-24页 |
| 2.4 常用降维算法 | 第24-26页 |
| 2.4.1 常见特征选择方法 | 第25页 |
| 2.4.2 常见特性提取 | 第25-26页 |
| 2.5 聚类分析算法 | 第26-29页 |
| 2.5.1 K-Means算法 | 第26页 |
| 2.5.2 DBSCAN算法 | 第26-27页 |
| 2.5.3 快速密度峰值聚类算法 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 异常数据检测方法研究 | 第30-42页 |
| 3.1 异常值检测算法 | 第30-32页 |
| 3.1.1 基于距离的异常值检测 | 第30页 |
| 3.1.2 基于密度的异常值检测 | 第30-32页 |
| 3.1.3 基于聚类的异常值检测 | 第32页 |
| 3.1.4 快速密度峰值聚类算法的局限性 | 第32页 |
| 3.2 基于LOF的快速密度峰值异常值检测 | 第32-35页 |
| 3.2.1 算法描述 | 第32-34页 |
| 3.2.2 异常值判定规则 | 第34-35页 |
| 3.3 仿真实验 | 第35-41页 |
| 3.3.1 案例一 | 第35-38页 |
| 3.3.2 案例二 | 第38-41页 |
| 3.4 小结 | 第41-42页 |
| 第4章 基于改进快速密度峰值算法的电力负荷数据聚类 | 第42-50页 |
| 4.1 主成分分析法降维 | 第42-43页 |
| 4.2 快速密度峰值聚类算法描述 | 第43页 |
| 4.3 改进的快速密度峰值聚类算法 | 第43-49页 |
| 4.3.1 算法描述 | 第43-45页 |
| 4.3.2 仿真实验 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 附录A 攻读硕士学位期间发表的学术论文目录 | 第57-58页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第58页 |