| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 论文背景和研究意义 | 第9-10页 |
| 1.2 入侵检测技术国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 第2章 基于AMI的入侵检测研究 | 第13-25页 |
| 2.1 高级量测体系简介 | 第13-18页 |
| 2.1.1 智能电网简介和发展历程 | 第13-16页 |
| 2.1.2 高级量测体系 | 第16-18页 |
| 2.2 高级量测体系安全需求 | 第18-21页 |
| 2.3 基于AMI的入侵检测技术 | 第21-22页 |
| 2.4 用电异常研究 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 SVM理论基础 | 第25-37页 |
| 3.1 统计模式识别问题 | 第25-28页 |
| 3.1.1 机器学习 | 第25-26页 |
| 3.1.2 VC维(Vapnik-Chervonenk is Dimension) | 第26-27页 |
| 3.1.3 推广性的界 | 第27页 |
| 3.1.4 结构风险最小(Structural Risk Minimization,SRM) | 第27-28页 |
| 3.2 线性和广义线性判别函数 | 第28-31页 |
| 3.3 支持向量机 | 第31-36页 |
| 3.3.1 最优超平面 | 第31-32页 |
| 3.3.2 构造软间隔超平面 | 第32-33页 |
| 3.3.3 核函数 | 第33页 |
| 3.3.4 构造支持向量机 | 第33-34页 |
| 3.3.5 支持向量分类机 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 用电异常研究 | 第37-47页 |
| 4.1 C类支持向量机 | 第37-38页 |
| 4.2 ONE-CLASS支持向量机 | 第38-40页 |
| 4.3 基于ONE-CLASS支持向量机的用电异常检测方案 | 第40-45页 |
| 4.3.1 用户用电模型分析 | 第40-41页 |
| 4.3.2 方案设计 | 第41-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 系统设计与测试 | 第47-54页 |
| 5.1 系统框架介绍 | 第47-48页 |
| 5.2 主站系统 | 第48-49页 |
| 5.3 用户交互终端 | 第49-50页 |
| 5.4 本地信息管理终端 | 第50-51页 |
| 5.5 系统测试 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第60-61页 |
| 致谢 | 第61页 |
