基于支持向量机的故障诊断研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·机器学习理论 | 第9-10页 |
| ·支持向量机概述 | 第10-11页 |
| ·故障诊断技术及其发展 | 第11-13页 |
| ·论文内容安排 | 第13-14页 |
| 第2章 统计学习理论 | 第14-19页 |
| ·VC 维 | 第14-15页 |
| ·推广性的界 | 第15-16页 |
| ·经验风险最小化 | 第15页 |
| ·推广性的界公式 | 第15-16页 |
| ·结构风险最小化 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 支持向量机 | 第19-33页 |
| ·最优分类超平面的构造 | 第19-21页 |
| ·支持向量机的求解 | 第21-27页 |
| ·线性可分情况 | 第21-24页 |
| ·线性不可分情况 | 第24页 |
| ·非线性可分情况 | 第24-27页 |
| ·用于分类的支持向量机算法 | 第27-32页 |
| ·完全线性可分 | 第27-28页 |
| ·非完全线性可分 | 第28-29页 |
| ·非线性可分之硬间隔 | 第29-30页 |
| ·非线性可分之软间隔 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 仿真研究 | 第33-54页 |
| ·多项式核函数 | 第33-38页 |
| ·可分的情况 | 第34-35页 |
| ·不可分的情况 | 第35-38页 |
| ·指数径向基核函数 | 第38-46页 |
| ·高斯径向基核函数 | 第46-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 用于故障诊断的支持向量机 | 第54-64页 |
| ·多类分类问题 | 第54-56页 |
| ·一对一的多分类算法 | 第54-55页 |
| ·一对多的多分类算法 | 第55-56页 |
| ·基于支持向量机的故障诊断方法 | 第56-62页 |
| ·流程图 | 第56页 |
| ·小波包分解 | 第56-57页 |
| ·主成分分析 | 第57-58页 |
| ·诊断实例 | 第58-62页 |
| ·基于支持向量机的并行诊断网络 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 攻读学位期间公开发表的论文 | 第67-68页 |
| 致谢 | 第68-69页 |
