支持向量数据描述在野点检测方面的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究的背景和意义 | 第8页 |
| ·目前国内外研究现状 | 第8-9页 |
| ·支持向量数据描述理论及其国内外发展概况 | 第9-11页 |
| ·支持向量数据描述理论 | 第9-10页 |
| ·支持向量数据描述主要研究内容 | 第10-11页 |
| ·机械故障诊断 | 第11页 |
| ·论文的主要内容和结构 | 第11-13页 |
| 第二章 基本理论 | 第13-24页 |
| ·核函数 | 第13-16页 |
| ·核函数方法原理 | 第13-14页 |
| ·Merce定理 | 第14页 |
| ·常用核函数 | 第14-15页 |
| ·核函数的构造 | 第15-16页 |
| ·KKT条件 | 第16-17页 |
| ·支持向量机 | 第17-21页 |
| ·支持向量机原理 | 第17-20页 |
| ·SVM的推广性 | 第20页 |
| ·惩罚参数C的影响 | 第20-21页 |
| ·高斯核参数σ的影响 | 第21页 |
| ·Fisher判别方法 | 第21-22页 |
| ·小结 | 第22-24页 |
| 第三章 支持向量数据描述方法 | 第24-36页 |
| ·支持向量数据描述方法 | 第24-26页 |
| ·具有非目标样本数据的SVDD算法 | 第26-28页 |
| ·核函数的性能 | 第28-31页 |
| ·实验及结果 | 第28-30页 |
| ·结果分析 | 第30-31页 |
| ·高斯核参数对SVDD的影响 | 第31-35页 |
| ·实验 | 第31-33页 |
| ·结果分析 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第四章 一种改进的SVDD算法 | 第36-43页 |
| ·SVDD-SR算法的提出与步骤 | 第36-38页 |
| ·实验 | 第38-40页 |
| ·结果分析 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第五章 SVDD在故障诊断中的应用 | 第43-53页 |
| ·特征选择 | 第43-49页 |
| ·支持向量数据描述中的特征提取 | 第43-44页 |
| ·PCA方法 | 第44-46页 |
| ·小波包方法 | 第46-49页 |
| ·实验 | 第49-51页 |
| ·结果分析 | 第51页 |
| ·小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·论文工作总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |
