| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·选题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·SVM研究现状 | 第10-11页 |
| ·绝缘子状态评估研究现状 | 第11-12页 |
| ·本文工作 | 第12-14页 |
| 第2章 统计学习理论与支持向量机 | 第14-25页 |
| ·统计学习理论 | 第14-17页 |
| ·VC维 | 第14-15页 |
| ·结构风险最小化准则 | 第15-17页 |
| ·支持向量机 | 第17-21页 |
| ·支持向量分类机 | 第17-19页 |
| ·特征空间映射与核函数 | 第19-21页 |
| ·多类别支持向量机 | 第21-24页 |
| ·一对多方法 | 第22-23页 |
| ·成对分类法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 一种基于邻域的多类别支持向量机新方法 | 第25-32页 |
| ·邻域概念 | 第25-28页 |
| ·基于邻域的属性约简方法 | 第28-29页 |
| ·多类别邻域支持向量机(MNSVM) | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于邻域的SVM在绝缘子状态评估上的应用研究 | 第32-47页 |
| ·绝缘子概述 | 第32-39页 |
| ·绝缘子与闪络 | 第32-35页 |
| ·表征污秽绝缘子运行状态的特征量 | 第35-39页 |
| ·实验数据 | 第39-41页 |
| ·基于K两端聚类的绝缘子状态划分法 | 第41-44页 |
| ·K两端聚类算法 | 第42-43页 |
| ·划分结果 | 第43-44页 |
| ·基于邻域的SVM在绝缘子状态评估中的应用 | 第44-46页 |
| ·总结 | 第46-47页 |
| 第5章 结论与展望 | 第47-49页 |
| ·结论 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的学术论文及参与科研情况 | 第53-54页 |
| 致谢 | 第54页 |