基于模式演化的遥测数据建模方法及应用
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 对研究现状的评述 | 第13页 |
| 1.3 论文的主要内容及结构安排 | 第13-15页 |
| 第二章 遥测数据分析与数据预处理 | 第15-23页 |
| 2.1 在轨遥测数据分析 | 第15-17页 |
| 2.1.1 基本固定周期数据 | 第15-16页 |
| 2.1.2 不定周期数据 | 第16-17页 |
| 2.2 实测数据预处理 | 第17-19页 |
| 2.2.1 异常数据剔除 | 第17-18页 |
| 2.2.2 数据标准化 | 第18-19页 |
| 2.3 实测数据分段处理 | 第19-22页 |
| 2.3.1 递归分解方法 | 第19页 |
| 2.3.2 变化点方法 | 第19-20页 |
| 2.3.3 基于时序的分段方法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 模式聚类与分类 | 第23-40页 |
| 3.1 遥测数据异变模式描述 | 第23-27页 |
| 3.1.1 突发型异变模式 | 第23-25页 |
| 3.1.2 渐变型异变模式 | 第25-27页 |
| 3.2 基于Pearson相关系数的模式聚类 | 第27-34页 |
| 3.2.1 系统聚类方法简介 | 第27-28页 |
| 3.2.2 遥测数据子序列相似性度量 | 第28-31页 |
| 3.2.3 不同相似性度量的聚类质量评估 | 第31-32页 |
| 3.2.4 基于Pearson相关系数的模式聚类 | 第32-34页 |
| 3.3 基于序列形态的模式分类 | 第34-39页 |
| 3.3.1 序列形态特征提取 | 第34-37页 |
| 3.3.2 基于形态特征的模式分类 | 第37页 |
| 3.3.3 示例分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 遥测数据模式演化过程建模 | 第40-57页 |
| 4.1 模式形式化建模 | 第40-48页 |
| 4.1.1 基于神经网络的建模 | 第40-43页 |
| 4.1.2 基于分段逼近的建模 | 第43-44页 |
| 4.1.3 案例分析 | 第44-48页 |
| 4.2 模式演化建模 | 第48-52页 |
| 4.2.1 基于Markov过程的模式转移建模 | 第48-49页 |
| 4.2.2 基于RVM的模式属性演化建模 | 第49-51页 |
| 4.2.3 虚拟遥测数据生成方法 | 第51-52页 |
| 4.3 案例分析 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文的主要贡献 | 第57页 |
| 5.2 进一步的研究展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者在学期间取得的学术成果 | 第63页 |
