| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 概述 | 第14-19页 |
| 1.1 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文结构 | 第17-19页 |
| 第二章 理论方法与技术 | 第19-25页 |
| 2.1 PSO算法 | 第19-21页 |
| 2.2 前向神经网络 | 第21-22页 |
| 2.3 k均值聚类 | 第22-25页 |
| 第三章 连续两项数据缺失问题及数据估计方法 | 第25-35页 |
| 3.1 简介 | 第25-26页 |
| 3.2 问题与模型 | 第26-28页 |
| 3.3 基于PSO算法的求解方法设计 | 第28-31页 |
| 3.4 实验结果与分析 | 第31-33页 |
| 3.5 小结 | 第33-35页 |
| 第四章 用户用电相关事件的辨识与甄别方法研究 | 第35-48页 |
| 4.1 简介 | 第35页 |
| 4.2 基于k均值聚类的用户用电电能数据序列模式获取 | 第35-37页 |
| 4.3 用电模式的快速辨识 | 第37-39页 |
| 4.4 实验结果与分析 | 第39-47页 |
| 4.5 小结 | 第47-48页 |
| 第五章 应用案例 | 第48-58页 |
| 5.1 简介 | 第48页 |
| 5.2 数据描述与缺失数据处理 | 第48-50页 |
| 5.3 序列数据准备 | 第50-51页 |
| 5.4 用电电能数据序列模式集获取 | 第51-55页 |
| 5.5 微波炉异常使用行为辨识 | 第55-56页 |
| 5.6 小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-61页 |
| 6.1 总结 | 第58-59页 |
| 6.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 作者简介及读研期间主要科研成果 | 第69页 |