| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 贝叶斯网络的起源与发展 | 第9页 |
| 1.2 贝叶斯网络的研究现状和研究意义 | 第9-11页 |
| 1.3 论文的主要内容与结构介绍 | 第11-13页 |
| 第2章 贝叶斯网络的基本理论 | 第13-25页 |
| 2.1 贝叶斯网络基础知识 | 第13-17页 |
| 2.1.1 概率论基础 | 第13-14页 |
| 2.1.2 有向分割与条件独立 | 第14-15页 |
| 2.1.3 信息理论 | 第15-16页 |
| 2.1.4 贝叶斯网络的表示 | 第16-17页 |
| 2.2 贝叶斯网络学习 | 第17-21页 |
| 2.2.1 参数学习 | 第17-18页 |
| 2.2.2 结构学习 | 第18-21页 |
| 2.3 贝叶斯网络分类器介绍 | 第21-24页 |
| 2.3.1 朴素贝叶斯分类器 | 第22-23页 |
| 2.3.2 增广朴素贝叶斯分类器 | 第23页 |
| 2.3.3 BAN分类器及其构建 | 第23-24页 |
| 2.4 本章小节 | 第24-25页 |
| 第3章 基于布谷鸟搜索算法的贝叶斯网络结构学习 | 第25-40页 |
| 3.1 布谷鸟搜索算法简介 | 第25-28页 |
| 3.2 基于布谷鸟搜索算法的贝叶斯网络结构学习 | 第28-39页 |
| 3.2.1 基于Levy飞行的随机贝叶斯网络结构更新算法 | 第28-30页 |
| 3.2.2 自适应阈值的布谷鸟搜索 | 第30-31页 |
| 3.2.3 改进布谷鸟搜索算法的实现步骤 | 第31-34页 |
| 3.2.4 算法实验 | 第34-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 基于贝叶斯网络的异步机故障诊断 | 第40-57页 |
| 4.1 异步电机转子断条故障简介 | 第40-43页 |
| 4.2 基于HHT的电机故障特征提取 | 第43-48页 |
| 4.2.1 希尔伯特黄变换方法基本理论 | 第43-46页 |
| 4.2.2 连续数据的离散化处理 | 第46-47页 |
| 4.2.3 基于HHT的电机故障特征提取过程 | 第47-48页 |
| 4.3 基于贝叶斯网络的异步机故障诊断 | 第48-56页 |
| 4.3.1 边际谱特征提取 | 第50-54页 |
| 4.3.2 故障诊断效果 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者在攻读硕士期间发表,收录及完成的论文 | 第63-64页 |
| 致谢 | 第64页 |