| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 工况识别研究现状 | 第12-13页 |
| 1.2.2 多视图学习研究现状 | 第13-14页 |
| 1.2.3 聚类集成研究现状 | 第14-15页 |
| 1.3 本文研究的主要内容及章节安排 | 第15-17页 |
| 1.3.1 本论文研究内容 | 第15页 |
| 1.3.2 本论文章节安排 | 第15-17页 |
| 第2章 相关理论基础简述 | 第17-26页 |
| 2.1 聚类分析基本原理 | 第17-19页 |
| 2.1.1 聚类的基本概念 | 第17页 |
| 2.1.2 聚类算法的分类 | 第17-19页 |
| 2.2 核函数 | 第19-21页 |
| 2.3 多视图学习简述 | 第21-22页 |
| 2.4 聚类集成的基本原理 | 第22-23页 |
| 2.5 聚类评价指标 | 第23-25页 |
| 2.5.1 NMI评价指标 | 第23-24页 |
| 2.5.2 F-measure评价指标 | 第24页 |
| 2.5.3 RI评价指标 | 第24-25页 |
| 2.5.4 FCC评价指标 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 高速列车转向架运行工况类型及特性分析 | 第26-34页 |
| 3.1 高速列车转向架的相关介绍 | 第26-27页 |
| 3.2 高速列车转向架运行工况和实验数据 | 第27-30页 |
| 3.2.1 列车不同工况介绍 | 第27-29页 |
| 3.2.2 数据介绍 | 第29-30页 |
| 3.3 高速列车振动信号分析 | 第30-33页 |
| 3.4 本章小节 | 第33-34页 |
| 第4章 基于多视图和WNMF集成的高速列车转向架工况识别 | 第34-46页 |
| 4.1 多视图的建立 | 第34-37页 |
| 4.1.1 快速傅里叶变换 | 第34-35页 |
| 4.1.2 小波能量 | 第35页 |
| 4.1.3 经验模态分解的近似熵 | 第35-37页 |
| 4.1.4 时域统计特征 | 第37页 |
| 4.2 加权非负矩阵集成 | 第37-39页 |
| 4.3 基于多视图和WNMF的高速列车转向架工况识别 | 第39-40页 |
| 4.4 实验结果分析 | 第40-45页 |
| 4.4.1 实验数据 | 第40页 |
| 4.4.2 WNMF收敛性 | 第40-42页 |
| 4.4.3 实验结果 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于多视图核FCM的高速列车转向架工况识别 | 第46-60页 |
| 5.1 多视图核FCM算法 | 第46-50页 |
| 5.5.1 FCM算法 | 第46-47页 |
| 5.5.2 核FCM算法 | 第47-48页 |
| 5.5.3 多视图核FCM算法 | 第48-50页 |
| 5.2 基于MvKFCM的高速列车转向架工况识别 | 第50-51页 |
| 5.3 实验结果分析 | 第51-59页 |
| 5.3.1 实验数据 | 第51-53页 |
| 5.3.2 通道选择 | 第53-55页 |
| 5.3.3 实验结果对比 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 总结 | 第60页 |
| 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第67页 |
