| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·故障诊断概述 | 第10-15页 |
| ·故障诊断研究内容和方法分类 | 第10页 |
| ·故障诊断研究内容 | 第10页 |
| ·故障诊断方法分类 | 第10页 |
| ·定性分析方法 | 第10-12页 |
| ·图论方法 | 第11页 |
| ·定性仿真 | 第11-12页 |
| ·专家系统 | 第12页 |
| ·基于解析模型的故障诊断方法 | 第12-13页 |
| ·状态估计 | 第12页 |
| ·参数估计 | 第12页 |
| ·等价空间 | 第12-13页 |
| ·基于数据驱动的方法 | 第13-15页 |
| ·信号处理 | 第13页 |
| ·信息融合 | 第13-14页 |
| ·多元统计分析 | 第14页 |
| ·机器学习 | 第14-15页 |
| ·本文的项目来源及章节安排 | 第15-16页 |
| 2 基础知识 | 第16-21页 |
| ·Dempster-Shafer 证据理论 | 第16-18页 |
| ·基本概念 | 第16-18页 |
| ·证据折扣因子 | 第18页 |
| ·Pignistic 概率 | 第18页 |
| ·kNN 算法的分析 | 第18-20页 |
| ·kNN 算法 | 第18页 |
| ·FkNN | 第18-19页 |
| ·EkNN | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 一种模糊-证据融合 kNN 分类算法 | 第21-35页 |
| ·引言 | 第21-22页 |
| ·FEkNN 算法 | 第22-26页 |
| ·距离测度 | 第22-24页 |
| ·加权欧氏距离 | 第22-23页 |
| ·特征的权重 | 第23-24页 |
| ·k 个邻居类别信息的利用 | 第24-26页 |
| ·证据的获取 | 第25页 |
| ·证据的折扣 | 第25-26页 |
| ·决策 | 第26页 |
| ·实验结果 | 第26-34页 |
| ·算例 | 第26-27页 |
| ·实验 | 第27-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于证据理论的优化集成分类器方法及在故障诊断中的应用 | 第35-41页 |
| ·引言 | 第35-36页 |
| ·多分类器系统 | 第36-37页 |
| ·多分类器系统构成 | 第36-37页 |
| ·FkNN 分类器 | 第37页 |
| ·最优权值学习算法 | 第37-38页 |
| ·实验 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 5 总结与展望 | 第41-43页 |
| ·论文总结 | 第41-42页 |
| ·研究展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 攻读学位期间取得的科研成果清单 | 第48页 |