| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第11-33页 |
| 1.1 故障诊断的研究背景和意义 | 第11-12页 |
| 1.2 故障诊断的研究内容和分类 | 第12-17页 |
| 1.2.1 故障诊断的研究内容 | 第12-13页 |
| 1.2.2 故障诊断的分类 | 第13-17页 |
| 1.3 故障诊断中的样本不平衡特性分析 | 第17-29页 |
| 1.3.1 样本标记不平衡 | 第17-18页 |
| 1.3.2 样本价值不平衡 | 第18-28页 |
| 1.3.3 样本类别不平衡 | 第28-29页 |
| 1.4 论文的主要研究内容 | 第29-33页 |
| 第2章 基于半监督主元分析的故障特征提取及诊断算法 | 第33-51页 |
| 2.1 半监督学习理论 | 第33-37页 |
| 2.1.1 半监督学习的假设条件 | 第34-35页 |
| 2.1.2 基于图的半监督学习 | 第35-36页 |
| 2.1.3 基于图的半监督学习和主元分析的联系 | 第36-37页 |
| 2.2 面向样本标记不平衡的半监督主元分析 | 第37-40页 |
| 2.3 基于半监督主元分析的故障诊断方法 | 第40-42页 |
| 2.4 实验与分析 | 第42-50页 |
| 2.5 小结 | 第50-51页 |
| 第3章 基于局部保持主元分析的故障特征提取及诊断算法 | 第51-63页 |
| 3.1 面向样本价值不平衡的局部保持主元分析算法 | 第51-55页 |
| 3.1.1 PCA和LPP算法分析 | 第52-53页 |
| 3.1.2 LPPCA算法描述 | 第53-55页 |
| 3.2 LPPCA算法在故障检测中的应用 | 第55-57页 |
| 3.3 实验与分析 | 第57-62页 |
| 3.3.1 数值仿真 | 第57-59页 |
| 3.3.2 TE过程仿真 | 第59-62页 |
| 3.4 小结 | 第62-63页 |
| 第4章 基于流形学习的联合FDA故障特征提取及诊断算法 | 第63-87页 |
| 4.1 FDA算法的限制和JFDA算法的提出背景 | 第63-67页 |
| 4.2 面向样本价值不平衡的JFDA算法和它的核扩展 | 第67-75页 |
| 4.2.1 离群点的处理 | 第67-68页 |
| 4.2.2 类内散度和类间散度的构建 | 第68-73页 |
| 4.2.3 Kernel JFDA | 第73-75页 |
| 4.3 基于(K)JFDA的故障诊断算法 | 第75-76页 |
| 4.4 实验与分析 | 第76-85页 |
| 4.4.1 鸢尾花卉数据集仿真 | 第76-79页 |
| 4.4.2 TE过程仿真 | 第79-85页 |
| 4.5 小结 | 第85-87页 |
| 第5章 基于集成学习的敏感MFA故障特征提取及诊断算法 | 第87-107页 |
| 5.1 数据类别不平衡对半导体故障特征提取造成的困扰 | 第87-92页 |
| 5.1.1 半导体制造过程的故障诊断 | 第87-89页 |
| 5.1.2 数据类别不平衡对故障特征提取造成的困扰 | 第89-90页 |
| 5.1.3 不平衡学习的主要方法 | 第90-92页 |
| 5.2 基于集成学习的敏感边际费舍尔分析 | 第92-99页 |
| 5.2.1 边际费舍尔分析简介 | 第92-94页 |
| 5.2.2 ESMFA算法 | 第94-99页 |
| 5.3 ESMFA算法在故障检测中的应用 | 第99-101页 |
| 5.4 实验和分析 | 第101-106页 |
| 5.4.1 不平衡数据分类性能评估方法 | 第101-103页 |
| 5.4.2 SECOM数据集简介 | 第103-104页 |
| 5.4.3 结果和分析 | 第104-106页 |
| 5.5 小结 | 第106-107页 |
| 第6章 基于不平衡SVDD的故障特征选择及诊断算法 | 第107-125页 |
| 6.1 特征选择研究概述 | 第107-111页 |
| 6.1.1 无监督特征选择方法 | 第109页 |
| 6.1.2 监督特征选择方法 | 第109-111页 |
| 6.2 无监督和监督特征选择方法在故障诊断中的局限性分析 | 第111-114页 |
| 6.3 面向样本类别不平衡的ISVDD-radius-RFE算法 | 第114-119页 |
| 6.3.1 SVDD和NSVDD简介 | 第114-115页 |
| 6.3.2 AUC简介 | 第115-116页 |
| 6.3.3 ISVDD算法 | 第116-118页 |
| 6.3.4 ISVDD-radius-RFE算法 | 第118-119页 |
| 6.4 实验和分析 | 第119-123页 |
| 6.4.1 香蕉形状数据集 | 第119-121页 |
| 6.4.2 SECOM数据集 | 第121-123页 |
| 6.5 小结 | 第123-125页 |
| 第7章 总结与展望 | 第125-127页 |
| 参考文献 | 第127-135页 |
| 致谢 | 第135-137页 |
| 攻读学位期间发表的论著、获奖情况及发明专利等项 | 第137-138页 |
