| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·机器学习理论发展历程 | 第10-11页 |
| ·单类分类方法 | 第11-14页 |
| ·研究目的与意义 | 第14页 |
| ·本文工作 | 第14-18页 |
| ·研究内容 | 第14-15页 |
| ·论文组织结构 | 第15-18页 |
| 第2章 支持向量数据描述方法概述 | 第18-30页 |
| ·统计学习理论概述 | 第18-19页 |
| ·支持向量机 | 第19-25页 |
| ·最大间隔分类超平面 | 第19-21页 |
| ·支持向量机 | 第21-23页 |
| ·核函数 | 第23-25页 |
| ·支持向量数据描述 | 第25-30页 |
| ·基于目标样本的支持向量数据描述 | 第25-27页 |
| ·基于目标与非目标样本的支持向量数据描述 | 第27-30页 |
| 第3章 支持向量数据描述方法研究现状 | 第30-36页 |
| ·理论研究现状 | 第30-33页 |
| ·应用研究现状 | 第33-36页 |
| 第4章 基于人工免疫核聚类的支持向量数据描述方法 | 第36-44页 |
| ·概述 | 第36-37页 |
| ·人工免疫网络介绍 | 第37-38页 |
| ·人工免疫核聚类算法AIKC | 第38-39页 |
| ·亲和度函数 | 第38-39页 |
| ·人工免疫核聚类 | 第39页 |
| ·AIKCSVDD方法 | 第39-40页 |
| ·实验结果 | 第40-43页 |
| ·仿真数据集 | 第40-42页 |
| ·UCI数据集 | 第42-43页 |
| ·结论 | 第43-44页 |
| 第5章 基于半监督学习的支持向量数据描述方法 | 第44-58页 |
| ·半监督学习概述 | 第44-45页 |
| ·基于半监督学习的加权支持向量域数据描述方法 | 第45-52页 |
| ·概述 | 第45页 |
| ·半监督加权支持向量域数据描述 | 第45-49页 |
| ·实验结果 | 第49-52页 |
| ·小结 | 第52页 |
| ·基于半监督加权距离度量学习的 kNN 分类方法 | 第52-57页 |
| ·概述 | 第52-53页 |
| ·RCA距离度量学习方法 | 第53页 |
| ·基于半监督加权距离度量学习的kNN分类方法 | 第53-55页 |
| ·实验结果 | 第55-57页 |
| ·小结 | 第57页 |
| ·结论 | 第57-58页 |
| 第6章 基于核距离度量LLE的SVDD及其在故障诊断中的应用 | 第58-68页 |
| ·概述 | 第58-59页 |
| ·局部线性嵌入算法LLE | 第59-60页 |
| ·核空间距离LLE算法KDLLE | 第60-61页 |
| ·核空间距离度量 | 第60页 |
| ·KDLLE算法步骤 | 第60-61页 |
| ·基于KDLLE的SVDD | 第61-62页 |
| ·实验结果 | 第62-66页 |
| ·汽轮机轴系故障诊断实验 | 第62-64页 |
| ·4135 型柴油机故障诊断 | 第64-66页 |
| ·结论 | 第66-68页 |
| 第7章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 作者简介及攻读博士学位期间取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |