| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第13-16页 |
| 1.1 研究背景 | 第13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-16页 |
| 2 支持向量机基本原理介绍 | 第16-28页 |
| 2.1 统计学习理论基本定义 | 第16页 |
| 2.2 机器学习 | 第16-17页 |
| 2.3 统计学习基本概念 | 第17-19页 |
| 2.3.1 VC维 | 第17-18页 |
| 2.3.2 置信风险 | 第18页 |
| 2.3.3 经验风险介绍 | 第18页 |
| 2.3.4 结构风险介绍 | 第18-19页 |
| 2.4 支持向量机分类基本算法 | 第19-24页 |
| 2.4.1 线性可分支持向量分类机 | 第19-21页 |
| 2.4.2 非线性可分支持向量分类机 | 第21-22页 |
| 2.4.3 核函数 | 第22-24页 |
| 2.5 支持向量机多分类算法研究 | 第24-28页 |
| 2.5.1 直接多分类支持向量机 | 第24-25页 |
| 2.5.2 间接多分类支持向量机 | 第25-28页 |
| 3 基于支持向量机和主成分分析支持向量机的TE故障分类 | 第28-42页 |
| 3.1 基于支持向量机的分类 | 第28-30页 |
| 3.2 数据降维 | 第30-33页 |
| 3.2.1 主成分分析简介 | 第31-33页 |
| 3.2.2 基于主成分分析的多分类支持向量机故障分类 | 第33页 |
| 3.3 田纳西伊斯曼过程介绍 | 第33-37页 |
| 3.4 TE过程故障分类仿真实验 | 第37-40页 |
| 3.4.1 数据来源 | 第37页 |
| 3.4.2 仿真结果及分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 4 基于主成分分析和核主成分分析的CSTH故障分类 | 第42-50页 |
| 4.1 核主成分分析降维 | 第42-43页 |
| 4.1.1 主成分分析与核主成分分析对比 | 第43页 |
| 4.2 基于核主成分分析的多分类支持向量机故障分类 | 第43页 |
| 4.3 连续搅拌釜加热器介绍 | 第43-45页 |
| 4.4 连续搅拌釜加热器故障分类仿真实例 | 第45-49页 |
| 4.4.1 数据来源 | 第45-46页 |
| 4.4.2 仿真结果及分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 基于主成分分析和独立成分分析的CSTH故障分类 | 第50-58页 |
| 5.1 独立成分分析数据降维 | 第50-53页 |
| 5.2 主成分分析与独立成分分析对比 | 第53页 |
| 5.3 基于独立成分分析的多分类支持向量机故障分类 | 第53-54页 |
| 5.4 连续搅拌釜加热器故障分类仿真实例 | 第54-57页 |
| 5.4.1 数据来源 | 第54页 |
| 5.4.2 仿真结果及分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 6 基于主成分分析和偏最小二乘的CSTH复合故障分类 | 第58-67页 |
| 6.1 偏最小二乘法降维 | 第58-61页 |
| 6.1.1 针对复合故障编码方式的改进 | 第60-61页 |
| 6.2 主成分分析与偏最小二乘法对比 | 第61-62页 |
| 6.3 基于偏最小二乘的多分类支持向量机故障分类 | 第62页 |
| 6.4 连续搅拌釜加热器复合故障分类仿真实例 | 第62-66页 |
| 6.4.1 数据来源 | 第62页 |
| 6.4.2 仿真结果及分析 | 第62-66页 |
| 6.5 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 发表论文情况 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
