支持向量数据描述在故障诊断中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·课题来源和意义 | 第8-9页 |
| ·课题来源 | 第8页 |
| ·课题的意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·传统故障诊断技术的发展及存在的问题 | 第9-10页 |
| ·智能故障诊断技术研究现状 | 第10-12页 |
| ·智能故障诊断技术的发展趋势 | 第12-13页 |
| ·支持向量数据描述方法的提出 | 第13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 2 支持向量数据描述 | 第15-26页 |
| ·支持向量数据描述 | 第15-19页 |
| ·核函数的引入 | 第19-25页 |
| ·小结 | 第25-26页 |
| 3 SVDD和EMD相结合的故障诊断方法 | 第26-33页 |
| ·经验模态分解 | 第27-28页 |
| ·经验模态分解和支持向量数据描述相结合的诊断方法 | 第28-29页 |
| ·试验分析 | 第29-32页 |
| ·结论 | 第32-33页 |
| 4 一种改进的支持向量数据描述 | 第33-39页 |
| ·故障样本在支持向量数据描述中的应用 | 第33-35页 |
| ·试验分析 | 第35-38页 |
| ·结论 | 第38-39页 |
| 5 单分类法 | 第39-48页 |
| ·密度估计法 | 第39-42页 |
| ·高斯模型 | 第39-41页 |
| ·混合高斯模型 | 第41页 |
| ·Parzen密度估计法 | 第41-42页 |
| ·边界法 | 第42-45页 |
| ·最近邻法 | 第42-45页 |
| ·支持向量数据描述 | 第45页 |
| ·重构法 | 第45-47页 |
| ·主分量分析法 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 6 单分类器的评价方法及性能比较 | 第48-59页 |
| ·判别能力 | 第48-50页 |
| ·常见的错误率计算方法 | 第48-49页 |
| ·交叉验证 | 第49-50页 |
| ·ROC曲线 | 第50-53页 |
| ·用错误率衡量分类算法的局限性 | 第50-52页 |
| ·ROC分析基础 | 第52-53页 |
| ·实验分析 | 第53-58页 |
| ·小结 | 第58-59页 |
| 7 结论与展望 | 第59-61页 |
| ·结论 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间参与的科研项目和发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
