基于粗糙集与神经网络的飞机电子系统故障诊断方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章绪论 | 第9-13页 |
| 1.1 课题研究背景和意义 | 第9页 |
| 1.2 课题研究现状和发展方向 | 第9-11页 |
| 1.3 论文的主要内容与结构安排 | 第11-13页 |
| 第二章粗糙集理论基础 | 第13-20页 |
| 2.1 知识及其表达 | 第13-14页 |
| 2.2 粗糙集的基本概念和运算方法 | 第14-16页 |
| 2.3 知识的约简 | 第16-17页 |
| 2.4 决策系统属性约简及其算法 | 第17-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 神经网络理论及其应用 | 第20-30页 |
| 3.1 神经网络概述 | 第20页 |
| 3.2 神经网络的特点及其应用 | 第20-22页 |
| 3.2.1 神经网络的特点 | 第20-21页 |
| 3.2.2 神经网络的应用 | 第21-22页 |
| 3.3 神经网络模型 | 第22-24页 |
| 3.4 BP神经网络 | 第24-27页 |
| 3.4.1 BP神经网络的结构 | 第24-25页 |
| 3.4.2 BP网络的学习算法 | 第25-27页 |
| 3.5 粗糙集与神经网络结合的可行性 | 第27-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 粗糙集理论在飞机系统故障诊断中的应用 | 第30-46页 |
| 4.1 故障数据的获取及处理 | 第30-32页 |
| 4.2 决策表建立及约简 | 第32-37页 |
| 4.2.1 经典属性约简算法的不足 | 第33页 |
| 4.2.2 对不相容决策表的处理 | 第33-34页 |
| 4.2.3 差别矩阵的化简和属性的选取 | 第34-35页 |
| 4.2.4 改进算法步骤 | 第35-37页 |
| 4.3 值约简及规则获取 | 第37-38页 |
| 4.3.1 引言 | 第37页 |
| 4.3.2 改进的值约简算法流程 | 第37-38页 |
| 4.4 实例分析 | 第38-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 基于粗糙集-神经网络的飞机系统故障诊断 | 第46-54页 |
| 5.1 概述 | 第46页 |
| 5.2 粗糙集与人工神经网络的结合方式 | 第46-47页 |
| 5.2.1 松散耦合方式 | 第46-47页 |
| 5.2.2 紧密耦合方式 | 第47页 |
| 5.3 粗糙集-神经网络融合诊断 | 第47-52页 |
| 5.3.1 思路分析及算法流程 | 第47-49页 |
| 5.3.2 实例分析 | 第49-52页 |
| 5.4 本章小结 | 第52-54页 |
| 第六章结论与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
