| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究意义及研究现状 | 第10-16页 |
| ·故障诊断的基本概念 | 第10-11页 |
| ·故障诊断技术发展概况 | 第11-14页 |
| ·支持向量机在故障诊断中的应用及研究现状 | 第14-16页 |
| ·论文主要内容 | 第16-18页 |
| 第二章 支持向量机的基本理论 | 第18-32页 |
| ·支持向量机的理论基础——统计学习理论 | 第18-22页 |
| ·机器学习问题 | 第18-19页 |
| ·经验风险最小化原则 | 第19-20页 |
| ·结构风险最小原则 | 第20-22页 |
| ·支持向量机 | 第22-28页 |
| ·最优分类超平面 | 第22-26页 |
| ·非线性问题 | 第26-27页 |
| ·核函数 | 第27-28页 |
| ·支持向量机影响性能因素分析 | 第28-31页 |
| ·冗余的训练样本数据对支持向量机性能的影响 | 第29页 |
| ·核函数及其参数对支持向量机性能的影响 | 第29-30页 |
| ·惩罚因子C对支持向量机性能的影响 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于模糊C均值的SVM训练样本预处理 | 第32-43页 |
| ·模糊C均值的基本原理 | 第33-36页 |
| ·模糊聚类 | 第33-34页 |
| ·模糊C均值聚类 | 第34-36页 |
| ·模糊支持向量机 | 第36-42页 |
| ·基于模糊聚类的支持向量机的实现 | 第36-39页 |
| ·数值试验 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于粒子群参数优化的最小二乘支持向量机 | 第43-54页 |
| ·粒子群算法 | 第43-48页 |
| ·粒子群算法的基本原理 | 第43-45页 |
| ·连续的粒子群算法 | 第45-47页 |
| ·离散的粒子群算法 | 第47-48页 |
| ·基于粒子群算法的最小二乘支持向量机参数优化 | 第48-53页 |
| ·最小二乘支持向量机 | 第48-50页 |
| ·算法实现 | 第50-51页 |
| ·数值试验 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于FCM和参数优化的LSSVM的滚动轴承故障诊断 | 第54-64页 |
| ·滚动轴承故障概述 | 第54-57页 |
| ·滚动轴承基本结构 | 第54-55页 |
| ·滚动轴承故障成因 | 第55-57页 |
| ·基于改进的LSSVM的滚动轴承故障诊断实例 | 第57-63页 |
| ·故障实验设备 | 第57-58页 |
| ·故障诊断的具体步骤 | 第58-59页 |
| ·仿真及结果分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·本文的工作总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻硕期间取得的研究成果 | 第71-72页 |