| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·课题背景及意义 | 第10-11页 |
| ·故障诊断技术的现状 | 第11-13页 |
| ·智能故障诊断技术及其发展趋势 | 第13-16页 |
| ·论文的研究工作及组织安排 | 第16-17页 |
| 2 模糊聚类分析 | 第17-27页 |
| ·模糊集的基本概念 | 第17-18页 |
| ·基于模糊等价关系的动态聚类法 | 第18-22页 |
| ·基于模糊相似关系的聚类分析法 | 第22-23页 |
| ·编网法 | 第22页 |
| ·最大树法 | 第22-23页 |
| ·基于目标函数模糊C-均值聚类算法 | 第23-24页 |
| ·混合模糊聚类法在故障诊断中的应用 | 第24-26页 |
| ·应用于汽轮发电机组振动故障诊断的实例 | 第24-25页 |
| ·混合故障诊断方法与步骤 | 第25-26页 |
| ·结论 | 第26-27页 |
| 3 支持向量机的基本理论 | 第27-37页 |
| ·支持向量机的理论基础 | 第27-29页 |
| ·经验风险最小化（ERM）原则 | 第27-28页 |
| ·结构风险最小原则 | 第28-29页 |
| ·支持向量机 | 第29-34页 |
| ·最优分类超平面 | 第30-31页 |
| ·支持向量分类机 | 第31-34页 |
| ·核函数及其作用 | 第34-36页 |
| ·小结 | 第36-37页 |
| 4 基于FSVM 的分类算法及其在故障诊断中的应用 | 第37-45页 |
| ·引言 | 第37页 |
| ·模糊支持向量机(FSVM) | 第37-40页 |
| ·隶属度功能分析及其确定 | 第40-42页 |
| ·隶属度功能分析 | 第40-42页 |
| ·隶属度的确定 | 第42页 |
| ·实验 | 第42-43页 |
| ·小结 | 第43-45页 |
| 5 多类支持向量机算法 | 第45-54页 |
| ·引言 | 第45页 |
| ·SVM 的多类分类 | 第45-48页 |
| ·一对一（one-against-one）多类分类方法 | 第46页 |
| ·一对多（one-against-all）多类分类方法 | 第46-48页 |
| ·有向无环图SVM 分类（Directed Acyclic Graph） | 第48页 |
| ·分级聚类支持向量机 | 第48-50页 |
| ·基本思想 | 第48-49页 |
| ·模糊支持向量机多级二叉树分类器 | 第49-50页 |
| ·基于SVM 的故障诊断 | 第50-51页 |
| ·基于FSMBTC 算法的故障诊断实验 | 第51-53页 |
| ·实验步骤 | 第51-53页 |
| ·记忆能力测试 | 第53页 |
| ·小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| ·本文工作总结 | 第54页 |
| ·进一步展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的论文 | 第61-62页 |
| 附录A | 第62-63页 |
| 附录B | 第63-64页 |
| 附录C | 第64页 |
