| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| 1．1 电力系统不良数据辨识的必要性 | 第7页 |
| 1．2 电力系统不良数据辨识的研究现状 | 第7-9页 |
| 1．3 数据挖掘在电力系统中的应用 | 第9-10页 |
| 1．4 基于GSA的数据挖掘概述 | 第10-12页 |
| 1．5 论文的主要研究工作 | 第12-13页 |
| 2 基于GSA的数据挖掘体系 | 第13-29页 |
| 2．1 BP(back propagation)神经网络算法 | 第13-18页 |
| 2．2 聚类分析 | 第18-23页 |
| 2．2．1 聚类概念及主要聚类方法 | 第18-20页 |
| 2．2．2 k-均值聚类 | 第20-22页 |
| 2．2．3 层次(hierarchical)聚类算法 | 第22-23页 |
| 2．3 GSA算法 | 第23-28页 |
| 2．3．1 概述 | 第23-25页 |
| 2．3．2 gap statistic估计聚类个数 | 第25-27页 |
| 2．3．3 gap statistic算法 | 第27-28页 |
| 2．4 本章小节 | 第28-29页 |
| 3 GSA应用于不良数据辨识 | 第29-46页 |
| 3．1 数据的获取 | 第29-30页 |
| 3．2 GSA仿真及问题分析 | 第30-38页 |
| 3．2．1 GSA方法的计算步骤 | 第30-32页 |
| 3．2．2 GSA方法的仿真分析 | 第32-38页 |
| 3．3 GSA仿真出现的问题分析 | 第38-45页 |
| 3．4 本章小节 | 第45-46页 |
| 4 基于GSA的肘形判据用于不良数据辨识 | 第46-59页 |
| 4．1 肘形判据 | 第46-48页 |
| 4．1．1 肘形判据的原理 | 第46-48页 |
| 4．1．2 基于GSA的肘形判据及其实现 | 第48页 |
| 4．2 基于GSA的肘形判据的系统建模 | 第48-51页 |
| 4．3 基于GSA的肘形判据的仿真及分析 | 第51-57页 |
| 4．4 两种方法的比较分析 | 第57-58页 |
| 4．5 本章小节 | 第58-59页 |
| 5 结论与展望 | 第59-60页 |
| 5．1 结论 | 第59页 |
| 5．2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士期间所从事的研究工作 | 第65-66页 |
| 附录 | 第66-72页 |
