摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-15页 |
1.1 课题的背景及意义 | 第10-11页 |
1.2 电能质量扰动分类的国内外发展现状 | 第11-14页 |
1.3 电能质量的定义 | 第14页 |
1.4 本文主要的研究内容 | 第14-15页 |
第2章 极限学习机与核极限学习机 | 第15-31页 |
2.1 引言 | 第15页 |
2.2 极限学习机 | 第15-18页 |
2.2.1 前馈神经网络 | 第15-17页 |
2.2.2 极限学习机基本原理 | 第17-18页 |
2.3 核极限学习机 | 第18-30页 |
2.3.1 核函数的性质 | 第19-21页 |
2.3.2 核函数特性分析 | 第21-30页 |
2.4 本章小结 | 第30-31页 |
第3章 基于粒子群优化算法的核极限学习机 | 第31-39页 |
3.1 引言 | 第31页 |
3.2 粒子群优化算法 | 第31-34页 |
3.3 粒子群优化核极限学习机参数 | 第34-36页 |
3.4 实验数据分析 | 第36-38页 |
3.4.1 双螺旋数据集的分类对比 | 第36页 |
3.4.2 标准UCI数据集的分类对比 | 第36-38页 |
3.5 本章小结 | 第38-39页 |
第4章 PSO-KELM在电能质量扰动分类中的应用 | 第39-56页 |
4.1 引言 | 第39页 |
4.2 电能质量扰动信号的分类 | 第39-44页 |
4.3 电能质量扰动信号的特征提取 | 第44-49页 |
4.4 仿真实验与分析 | 第49-55页 |
4.5 本章小结 | 第55-56页 |
结论 | 第56-57页 |
参考文献 | 第57-60页 |
攻读学位期间发表的学术论文 | 第60-61页 |
致谢 | 第61页 |