| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 课题背景及其研究意义 | 第8页 |
| 1.2 国内外研究现状和发展趋势 | 第8-10页 |
| 1.3 论文主要研究内容和章节安排 | 第10-11页 |
| 2 数据流挖掘理论 | 第11-20页 |
| 2.1 数据挖掘概念 | 第11-14页 |
| 2.1.1 数据挖掘的构架 | 第11页 |
| 2.1.2 数据挖掘的过程 | 第11-13页 |
| 2.1.3 数据挖掘的目标 | 第13-14页 |
| 2.2 数据流挖掘理论 | 第14-19页 |
| 2.2.1 建模数据流 | 第14-15页 |
| 2.2.2 数据流模型的特点 | 第15-16页 |
| 2.2.3 数据流挖掘的构架 | 第16-17页 |
| 2.2.4 数据流挖掘算法 | 第17-19页 |
| 2.3 小结 | 第19-20页 |
| 3 时间序列分析理论 | 第20-24页 |
| 3.1 时间序列架构 | 第20-21页 |
| 3.2 时间序列分析方法 | 第21-23页 |
| 3.2.1 神经网络分析方法 | 第21-22页 |
| 3.2.2 混沌动力学分析方法 | 第22-23页 |
| 3.3 小结 | 第23-24页 |
| 4 基于经验模态分解的去噪技术 | 第24-33页 |
| 4.1 经验模态分解方法 | 第24-28页 |
| 4.1.1 EMD方法的特征 | 第24页 |
| 4.1.2 EMD方法筛选过程 | 第24-26页 |
| 4.1.3 EMD方法中的主要问题 | 第26-28页 |
| 4.2 基于相关性分析方法的伪分量判别技术 | 第28-30页 |
| 4.2.1 分析经验模态分解的过分解原因 | 第28-29页 |
| 4.2.2 鉴别伪分量的方法 | 第29-30页 |
| 4.3 数据信息分段方法 | 第30-32页 |
| 4.4 小结 | 第32-33页 |
| 5 Online-VAR预测 | 第33-40页 |
| 5.1 时间序列数据流简介 | 第33-34页 |
| 5.1.1 时间序列数据流定义 | 第33页 |
| 5.1.2 基于时间序列数据流的查询 | 第33-34页 |
| 5.2 Online-VAR方法 | 第34-39页 |
| 5.2.1 传统预测方法存在的缺陷 | 第34-35页 |
| 5.2.2 Online-HHT方法 | 第35-37页 |
| 5.2.3 Online-VAR方法 | 第37-39页 |
| 5.2.4 两种方法的比较 | 第39页 |
| 5.3 小结 | 第39-40页 |
| 6 时间序列数据流上一种新的预测方法及其应用 | 第40-52页 |
| 6.1 预测方法的内涵 | 第40-41页 |
| 6.2 时间序列数据流预测模型 | 第41-42页 |
| 6.3 滚动轴承故障原因及其失效表现形式 | 第42-43页 |
| 6.3.1 滚动轴承故障原因 | 第42-43页 |
| 6.3.2 滚动轴承失效表现形式 | 第43页 |
| 6.4 Orline-VAR方法在滚动轴承故障诊断预测中的应用 | 第43-48页 |
| 6.4.1 系统层次图和类图 | 第43-45页 |
| 6.4.2 实验与分析 | 第45-48页 |
| 6.5 相关方法比较 | 第48-51页 |
| 6.6 小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |