| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课程研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 降维技术的研究现状 | 第12-13页 |
| 1.2.2 水电机组故障诊断的研究现状 | 第13-15页 |
| 1.3 本文主要研究内容与结构 | 第15-17页 |
| 第2章 基于无监督的随机近邻嵌入分析方法 | 第17-22页 |
| 2.1 引言 | 第17页 |
| 2.2 随机近邻嵌入分析方法的基本算法 | 第17-18页 |
| 2.2.1 方法的核心思想 | 第17页 |
| 2.2.2 方法介绍 | 第17-18页 |
| 2.3 t分布随机近邻嵌入分析方法 | 第18-19页 |
| 2.3.1 方法的改进描述 | 第18页 |
| 2.3.2 方法介绍 | 第18-19页 |
| 2.4 重尾对称随机近邻嵌入分析方法 | 第19-20页 |
| 2.4.1 方法的改进描述 | 第19页 |
| 2.4.2 方法介绍 | 第19-20页 |
| 2.5 随机近邻嵌入分析系列方法存在的缺陷 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 基于有监督的线性随机近邻嵌入分析方法 | 第22-33页 |
| 3.1 引言 | 第22页 |
| 3.2 判别随机近邻嵌入分析方法 | 第22-24页 |
| 3.2.1 方法的核心思想 | 第22页 |
| 3.2.2 方法的详细描述 | 第22-24页 |
| 3.3 快速判别随机近邻嵌入分析方法 | 第24-26页 |
| 3.3.1 基于判别随机近邻嵌入分析方法的改进描述 | 第24页 |
| 3.3.2 方法的详细描述 | 第24-26页 |
| 3.4 仿真结果与分析 | 第26-32页 |
| 3.4.1 合成数据可视化 | 第26-28页 |
| 3.4.2 分簇可视化性能 | 第28-29页 |
| 3.4.3 分类识别性能 | 第29-31页 |
| 3.4.4 运行时间分析 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于有监督的非线性随机近邻嵌入分析方法 | 第33-43页 |
| 4.1 引言 | 第33-34页 |
| 4.2 核判别随机近邻嵌入分析方法 | 第34-38页 |
| 4.2.1 方法的核心思想 | 第34页 |
| 4.2.2 方法的详细描述 | 第34-38页 |
| 4.3 仿真结果与分析 | 第38-42页 |
| 4.3.1 分簇可视化性能 | 第38-40页 |
| 4.3.2 分类识别性能 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 随机近邻嵌入分析方法在水电机组故障诊断中的应用 | 第43-52页 |
| 5.1 引言 | 第43页 |
| 5.2 轴心轨迹特征提取原理介绍 | 第43-44页 |
| 5.3 基于核判别随机近邻嵌入分析的轴心轨迹特征提取及识别 | 第44-47页 |
| 5.3.1 核心思想 | 第44页 |
| 5.3.2 详细描述 | 第44-47页 |
| 5.4 水电机组故障诊断方案 | 第47-51页 |
| 5.4.1 方案的详细步骤 | 第47-49页 |
| 5.4.2 仿真结果与分析 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 总结和展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第59页 |
