| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究的背景与意义 | 第9-10页 |
| ·配电网故障诊断方法的研究现状 | 第10-12页 |
| ·模糊理论 | 第10页 |
| ·优化技术 | 第10-11页 |
| ·专家系统 | 第11页 |
| ·Petri网络 | 第11-12页 |
| ·数据挖掘及其在配电网故障诊断中的应用现状 | 第12-15页 |
| ·数据挖掘的常用技术 | 第12-13页 |
| ·数据挖掘在配电网故障诊断中的应用现状 | 第13-15页 |
| ·课题的主要工作和内容安排 | 第15-17页 |
| 第2章 基于粗糙集方法的配电网故障诊断决策表属性约简 | 第17-26页 |
| ·粗糙集的基本理论 | 第17-18页 |
| ·可辨识矩阵 | 第17-18页 |
| ·约简与核 | 第18页 |
| ·知识的依赖性 | 第18页 |
| ·改进的粗糙集属性约简算法 | 第18-20页 |
| ·决策表属性约简概述 | 第18-19页 |
| ·基于布尔逻辑与可辨识矩阵相结合的属性约简算法 | 第19-20页 |
| ·配电网故障诊断决策表的属性约简算例 | 第20-25页 |
| ·小结 | 第25-26页 |
| 第3章 神经网络在配电网故障诊断中的应用 | 第26-39页 |
| ·神经网络的基本知识 | 第26-29页 |
| ·生物神经元的结构和功能特点 | 第26-27页 |
| ·人工神经元模型 | 第27页 |
| ·神经网络的结构及工作方式 | 第27-28页 |
| ·神经网络的学习方法 | 第28-29页 |
| ·BP神经网络模型与学习算法 | 第29-31页 |
| ·径向基神经网络模型与学习算法 | 第31-33页 |
| ·BP神经网络与径向基神经网络的比较 | 第33-38页 |
| ·神经网络的算法比较 | 第33页 |
| ·神经网络的构建比较 | 第33页 |
| ·神经网络在配电网故障诊断中的训练比较 | 第33-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于混合数据挖掘方法的配电网故障诊断 | 第39-47页 |
| ·采用混合数据挖掘方法进行配电网故障诊断的特点 | 第39页 |
| ·混合数据挖掘方法的算法描述 | 第39-41页 |
| ·基于粗糙集方法的知识提取与属性约简 | 第40页 |
| ·径向基神经网络模型的建立与训练 | 第40-41页 |
| ·配电网故障诊断结果输出 | 第41页 |
| ·混合数据挖掘方法在配电网故障诊断中的应用 | 第41-45页 |
| ·小结 | 第45-47页 |
| 第5章 配电网故障诊断系统的开发及验证 | 第47-55页 |
| ·配电网故障诊断系统的整体设计 | 第47-48页 |
| ·配电网故障诊断系统的软件设计 | 第48-51页 |
| ·配电网历史故障数据的处理 | 第48页 |
| ·MATLAB 与VB 的接口方法 | 第48-51页 |
| ·配电网故障诊断系统的实例验证 | 第51-54页 |
| ·小结 | 第54-55页 |
| 总结及展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士期间的学术成果 | 第62-63页 |
| 致谢 | 第63页 |