| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-20页 |
| ·课题研究的背景和意义 | 第14-15页 |
| ·课题研究的现状和前景 | 第15-17页 |
| ·本文的主要工作、创新点及全文结构 | 第17-20页 |
| ·主要工作及创新点 | 第17-18页 |
| ·全文结构 | 第18-20页 |
| 第二章 统计学习理论与支持向量机 | 第20-30页 |
| ·机器学习问题 | 第20-21页 |
| ·机器学习问题概述 | 第20页 |
| ·学习问题的表述 | 第20-21页 |
| ·统计学习理论 | 第21-24页 |
| ·VC维 | 第22-23页 |
| ·推广性的界理论 | 第23页 |
| ·结构风险最小化原则 | 第23-24页 |
| ·支持向量机 | 第24-28页 |
| ·广义最优分类面 | 第25-26页 |
| ·线性情况下的支持向量机 | 第26-27页 |
| ·核函数与非线性情况下的支持向量机 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于支持向量机的多类分类算法 | 第30-44页 |
| ·"一对多"多类分类算法 | 第30-31页 |
| ·"一对一"多类分类算法 | 第31-32页 |
| ·一次性求解算法 | 第32-33页 |
| ·DAGSVM多类分类算法 | 第33-34页 |
| ·基于二叉树结构的支持向量机多类分类算法 | 第34-35页 |
| ·其它支持向量机多类分类算法 | 第35-37页 |
| ·层次分类算法 | 第35-36页 |
| ·纠错输出编码支持向量机(ECOC SVMS) | 第36-37页 |
| ·对多类分类算法的进一步思考 | 第37-42页 |
| ·"一对多"和"一对一"多类分类算法的比较分析 | 第37-39页 |
| ·基于二叉树结构的支持向量机多类分类算法和DAGSVM的比较分析 | 第39-42页 |
| ·本章小结. | 第42-44页 |
| 第四章 滚动轴承故障实验 | 第44-56页 |
| ·机械故障诊断技术概述 | 第44-45页 |
| ·支持向量机多类分类算法在机械故障识别中的应用 | 第45-47页 |
| ·滚动轴承故障实验 | 第47-54页 |
| ·滚动轴承故障诊断概述 | 第47-49页 |
| ·滚动轴承故障实验 | 第49-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 特征提取 | 第56-64页 |
| ·特征提取概述 | 第56页 |
| ·小波分析与小波包变换 | 第56-62页 |
| ·小波变换的产生背景 | 第56-57页 |
| ·连续小波变换 | 第57-59页 |
| ·离散小波变换 | 第59页 |
| ·多分辨率分析 | 第59-61页 |
| ·小波包变换 | 第61-62页 |
| ·基于小波包变换的滚动轴承振动信号特征提取 | 第62-63页 |
| ·基于小波包变换的特征提取过程 | 第62-63页 |
| ·滚动轴承振动信号的特征提取 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第六章 类间可分性研究 | 第64-76页 |
| ·类间可分性及其判据 | 第64-65页 |
| ·JB/JW判据对轴承实验五类样本的可分性判别 | 第65-66页 |
| ·基于核函数映射的JB/JW判据及对滚动轴承故障样本的可分性判别 | 第66-75页 |
| ·本章小结 | 第75-76页 |
| 第七章 基于类间可分性度量的支持向量机多类分类算法 | 第76-88页 |
| ·基于类间可分性度量的二叉树结构生成和基于两类可分性最大原则的支持向量机多类分类算法 | 第76-81页 |
| ·引言 | 第76-77页 |
| ·基于类间可分性度量的二叉树生成 | 第77-78页 |
| ·基于两类可分性最大原则的支持向量机多类分类算法的提出 | 第78-81页 |
| ·基于类间可分性度量的支持向量机多类分类算法在滚动轴承故障识别中的应用 | 第81-86页 |
| ·二叉树结构的生成 | 第81-82页 |
| ·基于二叉树结构的支持向量机多类分类算法在滚动轴承故障识别中的应用 | 第82-83页 |
| ·任意二叉树结构的支持向量机多类分类算法及分类效果的对比 | 第83-84页 |
| ·基于两类可分性最大原则的支持向量机多类分类算法结构的确定 | 第84-85页 |
| ·基于两类可分性最大原则的支持向量机多类分类算法在滚动轴承故障识别中的应用 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 第八章 基于类间可分性的"一对二"支持向量机多类分类算法及其应用 | 第88-94页 |
| ·对基于二叉树结构的支持向量机多类分类算法及DAGSVM的进一步分析 | 第88页 |
| ·基于类别可分性度量的"一对二"支持向量机多类分类算法的提出 | 第88-91页 |
| ·"一对二"支持向量机多类分类算法 | 第88-90页 |
| ·基于类间可分性度量的"一对二"支持向量机多类分类算法 | 第90-91页 |
| ·基于类间可分性度量的"一对二"支持向量机多类分类算法在滚动轴承故障识别中的应用 | 第91-92页 |
| ·本章小结 | 第92-94页 |
| 第九章 总结与展望 | 第94-96页 |
| ·全文总结 | 第94-95页 |
| ·未来的展望 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 致谢 | 第100-102页 |
| 攻读硕士学位期间发表的学术论文 | 第102页 |
