| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 引言 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 多分类算法的发展现状 | 第12-14页 |
| 1.2.2 不平衡数据处理研究现状 | 第14-15页 |
| 1.2.3 多分类器融合算法的发展现状 | 第15-16页 |
| 1.3 论文主要内容及章节划分 | 第16-19页 |
| 第二章 智能电表故障数据预处理技术研究 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 智能电表历史故障数据集清洗 | 第19-21页 |
| 2.3 智能电表历史故障数据集特征选择 | 第21-23页 |
| 2.4 智能电表历史故障数据集不平衡数据采样 | 第23-34页 |
| 2.4.1 基于特征相关度分析的不平衡数据混合采样方法流程及策略 | 第23-28页 |
| 2.4.2 基于特征相关度分析的不平衡数据混合采样方法实验验证 | 第28-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于模型自适应选择融合的智能电表故障多分类方法研究 | 第35-45页 |
| 3.1 引言 | 第35页 |
| 3.2 基于模型自适应选择的多分类模型融合方法 | 第35-39页 |
| 3.3 实验设计及结果分析 | 第39-44页 |
| 3.3.1 公开数据集实验验证及结果分析 | 第39-42页 |
| 3.3.2 智能电表历史故障数据集实验分析 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于遗传算法特征权重优化的基分类模型优化研究 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 基于遗传算法的智能电表故障数据特征权重优化研究 | 第45-48页 |
| 4.3 基于遗传算法特征优化的基分类模型构建 | 第48-54页 |
| 4.3.1 基于K-近邻算法的分类模型优化 | 第48-50页 |
| 4.3.2 基于多层感知机的分类模型优化 | 第50-52页 |
| 4.3.3 基于随机森林算法的分类模型优化 | 第52-54页 |
| 4.4 优化后基分类模型的融合 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
