声明
摘要
1.1 研究背景及意义
1.2 国内外大数据和机器学习研究现状
1.3 机器学习在电气工程中的应用案例
1.4 论文主要工作
第2章 大数据和机器学习技术介绍与分析
2.1 大数据技术介绍与分析
2.1.1 Hadoop的概念介绍及原理分析
2.1.2 Spark的概念介绍和原理分析
2.1.3 其他常用大数据技术介绍
2.2 机器学习技术介绍与分析、
2.2.1 典型有监督学习方法的概念介绍及原理分析
2.2.2 典型无监督学习方法的概念介绍及原理分析
2.2.3 典型强化学习方法的概念介绍及原理分析
2.2.4 机器学习中的泛化能力和评价指标介绍
2.3 本章小结
第3章 在线机器学习算法的改造研究
3.1 传统机器学习算法的在线化改造研究
3.1.1 基于梯度下降法的在线化改造研究
3.1.2 基于牛顿法的在线化改造研究
3.1.3 梯度下降法和牛顿法的对比
3.2 在线机器学习算法在大数据环境下的改造研究
3.2.1 基于样本维度的数据分割法
3.2.2 基于特征维度的数据分割法
3.2.3 数据分割方法的对比
3.3 在线机器学习在实际应用中的若干问题研究
3.3.1 在线算法的冷启动问题
3.3.2 在线算法的稀疏性问题
3.4 本章小结
第4章 在线机器学习实验平台的设计与实现
4.1 实验平台的方案设计
4.1.1 运行环境的方案设计
4.1.2 开发工具的方案设计
4.2 实验平台的实现
4.2.1 运行环境的搭建实现
4.2.2 运行程序的编程实现
4.3 本章小结
第5章 基于在线机器学习的电能质量扰动分类
5.1 电能质量扰动分类概述
5.2 电能质量数据集的生成与特征提取
5.2.1 基于数学模型的电能质量数据集生成
5.2.2 基于小波变换的电能质量特征提取
5.3 在线机器学习在电能质量扰动分类中的应用
5.3.1 传统机器学习算法的应用效果与分析
5.3.2 在线机器学习算法的应用效果与分析
5.3.3 大数据环境下的在线机器学习算法的应用效果与分析
5.4 本章小结
结论和展望
致谢
参考文献