| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要的研究内容及创新点 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 第2章 模糊聚类算法 | 第17-30页 |
| 2.1 聚类算法概述 | 第17-21页 |
| 2.2 模糊聚类算法研究现状 | 第21-22页 |
| 2.3 模糊C均值聚类算法 | 第22-24页 |
| 2.3.1 FCM算法的模型及优化方法 | 第22-24页 |
| 2.3.2 FCM算法求解步骤 | 第24页 |
| 2.4 距离度量方法 | 第24-27页 |
| 2.5 模糊聚类算法的有效性分析 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 自适应权重模糊C均值聚类算法 | 第30-49页 |
| 3.1 特征权重对聚类的重要性分析 | 第30-31页 |
| 3.2 自适应特征权重算法 | 第31-36页 |
| 3.2.1 数据预处理方法 | 第31-33页 |
| 3.2.2 分类后样本特征属性混乱程度评价 | 第33-34页 |
| 3.2.3 自适应特征权重模型 | 第34-36页 |
| 3.3 自适应权重FCM算法流程 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-47页 |
| 3.4.1 基于Iris测试数据的算法验证 | 第37-42页 |
| 3.4.2 基于Wine测试数据的算法验证 | 第42-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 自适应权重FCM算法在电网故障诊断中的应用 | 第49-73页 |
| 4.1 基于自适应权重FCM算法的电网故障区域识别 | 第49-52页 |
| 4.1.1 基于自适应FCM算法的电网故障区域识别方法 | 第49页 |
| 4.1.2 电网故障区域判别方法 | 第49-50页 |
| 4.1.3 基于自适应FCM算法的电网故障区域识别方法步骤 | 第50页 |
| 4.1.4 实验分析及结果验证 | 第50-52页 |
| 4.2 基于自适应权重FCM算法的电网故障类型离线分析与在线诊断 | 第52-54页 |
| 4.2.1 基于自适应特征权重FCM算法的电网故障离线分析方法 | 第52-53页 |
| 4.2.2 电网故障离线分析方法求解详述 | 第53-54页 |
| 4.3 基于自适应权重FCM算法的电网故障在线诊断方法 | 第54页 |
| 4.4 仿真验证 | 第54-72页 |
| 4.4.1 Simpowersystem仿真环境 | 第54-58页 |
| 4.4.2 IEEE2机5节点模型的建立 | 第58-71页 |
| 4.4.3 仿真结果分析 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-82页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第82-83页 |
| 致谢 | 第83页 |
