| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 课题研究的国内外研究现状 | 第12-18页 |
| 1.2.1 不平衡数据分类的研究现状 | 第12-16页 |
| 1.2.2 污水处理故障诊断的研究现状 | 第16-18页 |
| 1.3 本文主要工作及内容安排 | 第18-20页 |
| 第二章 污水处理故障诊断概述 | 第20-29页 |
| 2.1 活性污泥污水处理系统 | 第20-22页 |
| 2.1.1 工艺流程和原理 | 第20-21页 |
| 2.1.2 重要参数 | 第21-22页 |
| 2.2 污水处理过程故障分析 | 第22-24页 |
| 2.3 故障诊断技术简介 | 第24-26页 |
| 2.3.1 故障诊断原理 | 第24-25页 |
| 2.3.2 故障诊断方法 | 第25-26页 |
| 2.4 数据来源及预处理 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 不平衡数据分类相关理论 | 第29-41页 |
| 3.1 不平衡数据集概述 | 第29-30页 |
| 3.2 不平衡数据分类性能影响因素 | 第30-32页 |
| 3.3 不平衡数据典型分类方法 | 第32-36页 |
| 3.3.1 数据层面 | 第32-33页 |
| 3.3.2 算法层面 | 第33-36页 |
| 3.4 性能评价指标 | 第36-39页 |
| 3.4.1 二分类器性能评价指标 | 第36-39页 |
| 3.4.2 多分类器性能评价指标 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于聚类的快速相关向量机的污水处理故障诊断 | 第41-64页 |
| 4.1 快速相关向量机理论 | 第41-49页 |
| 4.1.1 贝叶斯理论 | 第42页 |
| 4.1.2 相关向量机回归模型 | 第42-46页 |
| 4.1.3 相关向量机分类模型 | 第46-47页 |
| 4.1.4 快速相关向量机 | 第47-49页 |
| 4.2 基于聚类的快速相关向量机模型 | 第49-53页 |
| 4.2.1 K-means算法 | 第50-51页 |
| 4.2.2 基于聚类的快速相关向量机的约简模块 | 第51-52页 |
| 4.2.3 虚拟少数类向上采样的扩充模块 | 第52页 |
| 4.2.4 多分类器设计 | 第52-53页 |
| 4.3 在UCI数据集上的应用 | 第53-59页 |
| 4.3.1 UCI数据集 | 第53-55页 |
| 4.3.2 数据处理 | 第55页 |
| 4.3.3 实验及结果分析 | 第55-59页 |
| 4.4 污水故障诊断的应用 | 第59-63页 |
| 4.4.1 污水数据集 | 第59页 |
| 4.4.2 数据处理及参数选择 | 第59-61页 |
| 4.4.3 实验及结果分析 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 基于核函数的加权极限学习机的污水处理在线故障诊断 | 第64-80页 |
| 5.1 基于核函数的加权极限学习机理论 | 第64-71页 |
| 5.1.1 单隐层前馈神经网络 | 第65-68页 |
| 5.1.2 基于核函数的加权极限学习机 | 第68-71页 |
| 5.2 污水处理在线故障诊断建模步骤 | 第71-72页 |
| 5.3 实验结果与分析 | 第72-79页 |
| 5.3.1 数据和性能指标选取 | 第72页 |
| 5.3.2 参数分析 | 第72-75页 |
| 5.3.3 污水故障诊断的离线仿真实验 | 第75-77页 |
| 5.3.4 污水故障诊断的在线仿真实验 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 总结与展望 | 第80-82页 |
| 参考文献 | 第82-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附件 | 第92页 |