1、“.....本文利用数据挖掘技术对电力通讯载波信号数据模型较之传统的决策树算法和贝叶斯模型具有更高的准确度，能有效提高台区用户信息识别的实时性和可靠性。台区识别流程第阶段为下发并生成正确表档案，其示意图如图所示，由台区集中器模块发起读命令，来查看各节点回应信号并进行增量式决基于数据挖掘的户变拓扑关系辨识算法研究论文原稿种基于增量决策树算法的户变拓扑关系辨识方法，通过数据挖掘的方式建立户变拓扑关系的识别模型并对其进行维护，用以提升户变拓扑关系识别的准确率。摘要户变拓扑关系的准确识别直是电网运营过程中个亟待解决的难题......”。

2、“.....进而阻碍了计量自动化系统的推广应用。近年来，数据挖掘机器学习等智能技术的发展为实现台区户变关系的识别提供了诸多行之有效的方法，这些理论和技术已经在电网运营中取得了成功的经验，例如，将数据挖掘应用于智能电网，任何更改，否则，如果基于贝叶斯分类方法的結果比决策树分类方法更加准确，则将此节点转换为贝叶斯节点。如果该节点是贝叶斯节点，则结合实例更新修正该节点的贝叶斯参数。因此，可以根据上述流程，通过连续递归的方式构建增量式决策树。基于数据挖假设根据个样本数据集生成的决策树中个节点属性空间为......”。

3、“.....当接收到新的样本数据后，对到达这个节点的样本数据进行朴素贝叶斯分类，这种节点称为贝叶斯结点。增量式决策树算法执建模过程都需要对所有数据进行训练会大幅度增加算法的时空复杂度。理论上基于贝叶斯估计的增量学习分类器是解决这个问题的有效途径，该算法在已有数据集的基础上，仅针对新样本对原有模型进行更新，可以保证算法的快速性和有效性。因此本文考虑将两以保证算法的快速性和有效性。因此本文考虑将两者相结合，建立户变拓扑关系的辨识模型。该算法主要分为两个阶段......”。

4、“.....在网络的建立和测参数。因此，可以根据上述流程，通过连续递归的方式构建增量式决策树。基于数据挖掘的户变拓扑关系辨识算法研究论文原稿。增量式决策树算法决策树分类算法是通过系列规则对数据进行分类的过程，用于来发现数据中蕴涵的分类规则。但是由于电网大个节点的样本数据进行朴素贝叶斯分类，这种节点称为贝叶斯结点。增量式决策树算法执行过程如图所示，当产生个新的训练集样本时，决策树算法将该实例与已生成决策树中划分的属性进行匹配，并在到达叶节点时终止操作。如果到达的节点不是贝叶斯节点......”。

5、“.....建立户变拓扑关系的辨识模型。该算法主要分为两个阶段，首先将样本训练集的部分作为初始样本数据集来生成初始决策树然后在初始决策树的基础上执行后续新样本的增量学习。基于数据挖掘的户变拓扑关系辨识算法研究论文原稿。取不同大小的数据集进行测试，横坐标中的数字分别代表数据集大小为，和。增量式决策树算法决策树分类算法是通过系列规则对数据进行分类的过程，用于来发现数据中蕴涵的分类规则。但是由于电网大数据的特性，数据集随时间推移不断增大，如果每次算法和关联分析法......”。

6、“.....本文则利用与电网拓扑关系紧密相关的载波技术，基于通信载波中所能够提供的计量信息，提出了种基于增量决策树算法的户变拓扑关系辨识方法，通过数据挖掘的方试过程中，利用电力载波通信信号品质数据作归化处理作为训练样本输入数据，信号品质范围为，选用本文提出的增量式决策树算法与经典决策树算法和贝叶斯分类算法的耗时以及准确率进行对比，测试户变拓扑关系识别模型的性能分别如图和图所示。实验中选据的特性，数据集随时间推移不断增大，如果每次建模过程都需要对所有数据进行训练会大幅度增加算法的时空复杂度......”。

7、“.....该算法在已有数据集的基础上，仅针对新样本对原有模型进行更新，可则需要判断该实例的划分是否正确。如果划分结果准确，则决策树的结构参数不会发生任何更改，否则，如果基于贝叶斯分类方法的結果比决策树分类方法更加准确，则将此节点转换为贝叶斯节点。如果该节点是贝叶斯节点，则结合实例更新修正该节点的贝叶斯式建立户变拓扑关系的识别模型并对其进行维护，用以提升户变拓扑关系识别的准确率。假设根据个样本数据集生成的决策树中个节点属性空间为，之后依据此样本数据集的属性空间和分类情况作为贝叶斯分类器的参数......”。

8、“.....对到达这基于数据挖掘的户变拓扑关系辨识算法研究论文原稿近年来，数据挖掘机器学习等智能技术的发展为实现台区户变关系的识别提供了诸多行之有效的方法，这些理论和技术已经在电网运营中取得了成功的经验，例如，将数据挖掘应用于智能电网，邹云峰邓利用均值聚类实现了台区合理线损预测张蓝宇等运用聚类进行分析，基于增量式决策树算法设计了台区户变拓扑关系的辨识方法，实现了户变拓扑关系及时准确的维护。实际运行结果表明该模型较之传统的决策树算法和贝叶斯模型具有更高的准确度，能有效提高台区用户信息识别的实时性和可靠性。关键词数据挖掘户策树的识别算法......”。

9、“.....模块会发现属于异常分类，而属于本区域的正常分类。于是可根据此结果生成正确的档案。因此节点会知道自己的已经，会主动退出台区并加入台区，如图中灰色节点所示，即识别的方法已迫在眉睫。针对智能电网中部分集采台区存在户变关系混乱的情况，本文利用数据挖掘技术对电力通讯载波信号数据进行分析，基于增量式决策树算法设计了台区户变拓扑关系的辨识方法，实现了户变拓扑关系及时准确的维护。实际运行结果表明该邹云峰邓利用均值聚类实现了台区合理线损预测张蓝宇等运用聚类算法和关联分析法......”。