| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-11页 |
| 1.1 电力系统故障诊断研究的意义 | 第9-10页 |
| 1.2 数据挖掘技术的研究 | 第10页 |
| 1.3 本论文所做的工作 | 第10-11页 |
| 第2章 电力系统故障诊断的研究现状 | 第11-19页 |
| 2.1 基于专家系统的诊断方法 | 第11-12页 |
| 2.2 基于人工神经网络原理的电力系统故障诊断 | 第12-14页 |
| 2.3 基于模糊原理的电力系统故障诊断 | 第14-15页 |
| 2.4 基于Petri网络的电力系统故障诊断 | 第15-17页 |
| 2.5 基于遗传算法的电力系统故障诊断 | 第17页 |
| 2.6 本章小结 | 第17-19页 |
| 第3章 数据挖据算法的研究 | 第19-24页 |
| 3.1 数据挖据 | 第19-21页 |
| 3.1.1 数据挖据概述 | 第19页 |
| 3.1.2 数据挖掘步骤 | 第19-20页 |
| 3.1.3 数据挖掘技术应用于电力系统故障诊断 | 第20-21页 |
| 3.2 常见的数据挖据分类算法 | 第21-23页 |
| 3.2.1 决策树 | 第21-22页 |
| 3.2.2 人工神经网络 | 第22-23页 |
| 3.2.3 贝叶斯算法 | 第23页 |
| 3.3 本章小结 | 第23-24页 |
| 第4章 决策树算法的改进设计和实现 | 第24-35页 |
| 4.1 基于决策树算法构建数据挖据模型 | 第24-28页 |
| 4.1.1 决策树构建过程及研究 | 第24-25页 |
| 4.1.2 常见的决策树算法 | 第25-27页 |
| 4.1.3 对各种算法的比较研究 | 第27-28页 |
| 4.2 决策树算法模型的优化 | 第28-34页 |
| 4.2.1 优化样本数量 | 第28-30页 |
| 4.2.2 优化测试属性的选取 | 第30-32页 |
| 4.2.3 离散化 | 第32-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第5章 基于数据挖据技术电力故障诊断系统的设计 | 第35-43页 |
| 5.1 基于数据挖据技术电力故障诊断系统总体设计和流程分析 | 第35-38页 |
| 5.1.1 系统框架总体设计 | 第35-36页 |
| 5.1.2 系统设计过程 | 第36-38页 |
| 5.1.3 系统流程的设计 | 第38页 |
| 5.2 基于数据挖据技术的电力故障诊断系统的功能设计 | 第38-40页 |
| 5.2.1 系统的功能设计及类图 | 第38-40页 |
| 5.3 基于数据挖据技术的电力故障诊断系统的实现 | 第40-42页 |
| 5.3.1 系统开发编译环境和界面 | 第40-42页 |
| 5.3.2 系统的功能扩展 | 第42页 |
| 5.4 本章小结 | 第42-43页 |
| 第6章 总结和展望 | 第43-44页 |
| 6.1 全文总结 | 第43页 |
| 6.2 展望未来 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 作者简介 | 第48页 |