| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·课题背景 | 第11页 |
| ·滚动轴承故障诊断方法 | 第11-14页 |
| ·多源信息融合技术研究现状 | 第14-15页 |
| ·基于多源信息融合的故障诊断方法 | 第15-18页 |
| ·数据层融合方法 | 第16页 |
| ·特征层融合方法 | 第16-17页 |
| ·决策层融合方法 | 第17页 |
| ·集成信息融合方法 | 第17-18页 |
| ·课题意义及来源 | 第18-19页 |
| ·研究思路与研究内容 | 第19-23页 |
| ·问题提出 | 第19-20页 |
| ·研究思路 | 第20-21页 |
| ·研究内容 | 第21-23页 |
| 第2章 基于改进小波包算法的特征提取方法 | 第23-39页 |
| ·小波包算法 | 第23-27页 |
| ·小波包分析理论 | 第23-25页 |
| ·小波包算法的复杂度 | 第25页 |
| ·小波包分解树节点与信号子空间频带的对应关系 | 第25-27页 |
| ·改进小波包算法 | 第27-28页 |
| ·改进的小波包算法 | 第27页 |
| ·改进小波包算法的复杂度 | 第27-28页 |
| ·基于改进小波包算法的特征提取方法 | 第28-29页 |
| ·实例分析对比 | 第29-37页 |
| ·本章小结 | 第37-39页 |
| 第3章 基于类差别矩阵和属性重要度的属性约简算法 | 第39-53页 |
| ·样本决策表的建立及离散化 | 第40-41页 |
| ·基于差别矩阵的属性约简算法 | 第41-43页 |
| ·基于类差别矩阵和属性重要度的属性约简算法 | 第43-46页 |
| ·属性重要度的计算方法 | 第43-44页 |
| ·基于类差别矩阵和属性重要度的属性约简算法流程 | 第44-45页 |
| ·算法复杂度分析 | 第45-46页 |
| ·实例分析 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 多源信息融合属性加权朴素贝叶斯分类器算法 | 第53-72页 |
| ·多源信息融合理论 | 第54-55页 |
| ·多源信息融合概述 | 第54页 |
| ·多源信息融合的含义 | 第54-55页 |
| ·贝叶斯网络的描述及建模 | 第55-56页 |
| ·贝叶斯分类器 | 第56-62页 |
| ·朴素贝叶斯分类器 | 第57-58页 |
| ·互信息最大化选择性贝叶斯分类器 | 第58-59页 |
| ·局部加权朴素贝叶斯分类器 | 第59-61页 |
| ·属性加权朴素贝叶斯分类器 | 第61-62页 |
| ·属性加权朴素贝叶斯分类器算法 | 第62-63页 |
| ·实例分析 | 第63-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 滚动轴承的多源信息融合贝叶斯网络故障诊断 | 第72-94页 |
| ·滚动轴承故障机理及振动分析 | 第72-77页 |
| ·滚动轴承的故障模式及故障机理分析 | 第73-74页 |
| ·滚动轴承振动机理分析 | 第74-77页 |
| ·基于多源信息融合贝叶斯网络的滚动轴承故障诊断方法 | 第77-78页 |
| ·实例分析 | 第78-92页 |
| ·滚动轴承实验数据 | 第78-83页 |
| ·特征信息提取 | 第83-85页 |
| ·属性约简 | 第85-89页 |
| ·多源信息融合 | 第89-92页 |
| ·本章小结 | 第92-94页 |
| 结论 | 第94-96页 |
| 参考文献 | 第96-101页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第101-102页 |
| 致谢 | 第102-103页 |
| 作者简介 | 第103页 |