基于特征空间邻域结构分析的故障识别方法
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·故障特征子空间的研究意义 | 第10-11页 |
| ·故障特征子空间的研究现状 | 第11-15页 |
| ·属性约简在故障诊断中的应用现状 | 第11-13页 |
| ·子空间集成在故障诊断中的应用现状 | 第13-15页 |
| ·故障特征子空间研究中的问题 | 第15-17页 |
| ·属性约简在故障诊断中的问题 | 第15-16页 |
| ·子空间集成在故障诊断中的问题 | 第16-17页 |
| ·本文的研究内容与组织结构 | 第17-20页 |
| 第2章 邻域可分子空间的探索与评价 | 第20-40页 |
| ·引言 | 第20-21页 |
| ·邻域粗糙集 | 第21-22页 |
| ·基于邻域辨识矩阵的属性约简 | 第22-27页 |
| ·基本思想 | 第22-24页 |
| ·算法设计 | 第24-25页 |
| ·测试分析 | 第25-27页 |
| ·基于样本对选择的快速属性约简 | 第27-31页 |
| ·基本思想 | 第27-29页 |
| ·算法设计 | 第29-30页 |
| ·测试分析 | 第30-31页 |
| ·属性约简评价 | 第31-39页 |
| ·邻域大小对属性约简的影响 | 第31-34页 |
| ·最小约简的泛化性能分析 | 第34-35页 |
| ·约简评价指标对比分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 基于间隔分布熵的邻域约简集成 | 第40-52页 |
| ·引言 | 第40-41页 |
| ·基本思想 | 第41页 |
| ·邻域随机约简 | 第41-45页 |
| ·基于属性依赖度的单个约简算法 | 第41-42页 |
| ·基于属性依赖度求所有约简算法 | 第42页 |
| ·基于属性依赖度的随机约简算法 | 第42-45页 |
| ·间隔分布熵 | 第45-48页 |
| ·实验分析 | 第48-50页 |
| ·分类精度 | 第48-49页 |
| ·间隔分布变化 | 第49-50页 |
| ·训练精度变化 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第4章 基于间隔分布优化与正则化的邻域约简集成 | 第52-78页 |
| ·引言 | 第52-53页 |
| ·正则化学习 | 第53-56页 |
| ·支持向量机 | 第53-55页 |
| ·logistic回归 | 第55-56页 |
| ·间隔分布优化 | 第56-65页 |
| ·平方损失 | 第59-62页 |
| ·Logistic损失 | 第62-63页 |
| ·线性损失 | 第63-65页 |
| ·实验分析 | 第65-72页 |
| ·分类精度 | 第66-69页 |
| ·间隔分布 | 第69-70页 |
| ·分类器权值 | 第70-72页 |
| ·本章小结 | 第72-78页 |
| 第5章 基于邻域约简集成的故障识别 | 第78-87页 |
| ·引言 | 第78页 |
| ·故障识别框架 | 第78-79页 |
| ·故障数据获取 | 第79-81页 |
| ·实验分析 | 第81-84页 |
| ·故障识别精度 | 第82-84页 |
| ·间隔分布变化 | 第84页 |
| ·权值对比 | 第84页 |
| ·本章小结 | 第84-87页 |
| 结论 | 第87-89页 |
| 参考文献 | 第89-98页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第98-100页 |
| 致谢 | 第100页 |
