| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 融合算法在船舶动力系统状态评估中的研究意义 | 第11-12页 |
| 1.2 国内外研究现状及意义 | 第12-14页 |
| 1.2.1 D-S证据理论的研究 | 第12-13页 |
| 1.2.2 粗糙集理论的研究 | 第13页 |
| 1.2.3 在与本文类似研究中的现状及进展 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-16页 |
| 第2章 粗糙集理论及D-S证据理论 | 第16-24页 |
| 2.1 粗糙集理论 | 第16-20页 |
| 2.1.1 粗糙集理论的基本概念 | 第16-19页 |
| 2.1.2 属性的约简 | 第19-20页 |
| 2.2 D-S证据理论 | 第20-23页 |
| 2.2.1 D-S证据理论的基本概念 | 第20-21页 |
| 2.2.2 D-S合成规则 | 第21-23页 |
| 2.3 小结 | 第23-24页 |
| 第3章 基于粗糙集的D-S证据理论状态评估 | 第24-32页 |
| 3.1 状态评估常用方法 | 第24-26页 |
| 3.1.1 单一算法的应用 | 第24-25页 |
| 3.1.2 粗糙集理论及支持向量机 | 第25页 |
| 3.1.3 神经网络及D-S证据理论 | 第25-26页 |
| 3.2 融合算法状态评估 | 第26-30页 |
| 3.2.1 粗糙集理论及D-S证据理论 | 第26-27页 |
| 3.2.2 对应函数关系 | 第27-28页 |
| 3.2.3 融合算法状态评估模型搭建 | 第28-30页 |
| 3.2.4 关键技术研究难点 | 第30页 |
| 3.3 小结 | 第30-32页 |
| 第4章 状态评估模型研究 | 第32-41页 |
| 4.1 粗糙集理论中数据的离散化处理方法 | 第32-33页 |
| 4.2 决策表分解及属性约简 | 第33-36页 |
| 4.2.1 决策表分解 | 第33-34页 |
| 4.2.2 决策表分解过程 | 第34-35页 |
| 4.2.3 基于决策表的属性约简 | 第35-36页 |
| 4.3 基于粗糙集的D-S证据理论中证据的获取方法 | 第36页 |
| 4.3.1 证据的获取方法 | 第36页 |
| 4.3.2 证据获取的步骤 | 第36页 |
| 4.4 证据合成 | 第36-39页 |
| 4.4.1 一般证据的合成 | 第37页 |
| 4.4.2 冲突证据的合成 | 第37-39页 |
| 4.5 决策支持 | 第39-40页 |
| 4.6 小结 | 第40-41页 |
| 第5章 船舶动力系统状态评估实验研究 | 第41-58页 |
| 5.1 船舶动力系统状态评估的发展及存在的问题 | 第41页 |
| 5.2 船舶动力系统状态评估的问题描述 | 第41-42页 |
| 5.3 基于粗糙集的D-S证据理论的船舶动力系统状态评估 | 第42-56页 |
| 5.3.1 模型搭建 | 第42-44页 |
| 5.3.2 数据离散化处理 | 第44-48页 |
| 5.3.3 决策表分解 | 第48-51页 |
| 5.3.4 属性约简 | 第51-53页 |
| 5.3.5 D-S证据获取 | 第53-55页 |
| 5.3.6 证据合成 | 第55-56页 |
| 5.4 决策推理 | 第56页 |
| 5.5 小结 | 第56-58页 |
| 第6章 船舶动力系统状态评估系统仿真实验 | 第58-71页 |
| 6.1 船舶动力系统状态评估系统框架 | 第58-60页 |
| 6.2 状态评估仿真软件 | 第60-70页 |
| 6.2.1 仿真软件开发 | 第60-61页 |
| 6.2.2 算法模型及混合编程的实现 | 第61-65页 |
| 6.2.3 状态评估软件的功能介绍 | 第65-70页 |
| 6.3 小结 | 第70-71页 |
| 结论与展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读学位期间参加的科研项目 | 第75-76页 |
| 致谢 | 第76-77页 |
| 研究生履历 | 第77页 |
