| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 自组织网络概述 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关研究 | 第16-29页 |
| 2.1 自治愈概述 | 第16-21页 |
| 2.1.1 信息收集 | 第16-17页 |
| 2.1.2 故障探测 | 第17-19页 |
| 2.1.3 故障诊断 | 第19-20页 |
| 2.1.4 故障补偿 | 第20-21页 |
| 2.1.5 故障恢复 | 第21页 |
| 2.2 故障诊断研究现状 | 第21-26页 |
| 2.2.1 模型驱动的故障诊断 | 第22-24页 |
| 2.2.2 数据驱动的故障诊断 | 第24-26页 |
| 2.3 分层异构网络自治愈研究分析 | 第26-27页 |
| 2.4 自组织网络架构 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于集成学习和SMOTE的集中式宏蜂窝故障诊断系统 | 第29-50页 |
| 3.1 问题描述 | 第29-30页 |
| 3.2 集成学习分类器设计 | 第30-35页 |
| 3.2.1 集成学习 | 第30-31页 |
| 3.2.2 基于决策树桩的Adaboost算法 | 第31-32页 |
| 3.2.3 二分类扩展到多分类 | 第32-35页 |
| 3.3 不平衡数据集处理 | 第35-37页 |
| 3.3.1 数据不平衡问题 | 第35页 |
| 3.3.2 相关解决办法 | 第35-36页 |
| 3.3.3 SMOTE技术 | 第36-37页 |
| 3.4 集中式故障诊断系统设计 | 第37-43页 |
| 3.4.1 故障分类 | 第37-40页 |
| 3.4.2 系统模型设计 | 第40-43页 |
| 3.5 实验与分析 | 第43-49页 |
| 3.5.1 实验设置 | 第43-44页 |
| 3.5.2 评价标准 | 第44-46页 |
| 3.5.3 实验结果 | 第46-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于SVM的分布式微蜂窝故障诊断系统 | 第50-60页 |
| 4.1 微蜂窝故障诊断难点 | 第50-52页 |
| 4.1.1 用户数据稀疏问题 | 第50-51页 |
| 4.1.2 部署密集问题 | 第51-52页 |
| 4.2 小样本分类器设计 | 第52-54页 |
| 4.3 分布式故障诊断系统设计 | 第54-56页 |
| 4.3.1 数据来源及故障分类 | 第54-56页 |
| 4.3.2 系统模型设计 | 第56页 |
| 4.4 实验与分析 | 第56-59页 |
| 4.4.1 模拟参数设置 | 第56-57页 |
| 4.4.2 实验结果 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文主要工作及贡献 | 第60页 |
| 5.2 下一步工作的思考 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |