基于聚类集成的转辙机故障数据挖掘
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文选题背景及研究意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 铁路信号设备故障诊断的研究现状 | 第11-13页 |
| 1.2.2 聚类集成研究现状 | 第13-14页 |
| 1.3 论文主要研究内容及创新点 | 第14-16页 |
| 第2章 相关理论方法概述 | 第16-24页 |
| 2.1 转辙机动作过程数据分析 | 第16-19页 |
| 2.2 聚类分析 | 第19-21页 |
| 2.3 聚类集成方法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 转辙机监测功率数据预处理 | 第24-33页 |
| 3.1 分段特征提取 | 第24-25页 |
| 3.2 AR模型特征提取 | 第25-26页 |
| 3.3 PCA主成分分析 | 第26-29页 |
| 3.4 DTW动态时间归整 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基聚类算法的对比研究 | 第33-54页 |
| 4.1 基聚类算法 | 第33-42页 |
| 4.1.1 K-means算法 | 第33-35页 |
| 4.1.2 FCM算法 | 第35-37页 |
| 4.1.3 凝聚式层次聚类算法 | 第37-39页 |
| 4.1.4 DBSCAN算法 | 第39-41页 |
| 4.1.5 DPCA算法 | 第41-42页 |
| 4.2 基聚类效果分析 | 第42-53页 |
| 4.2.1 实验数据集 | 第42-44页 |
| 4.2.2 不同预处理方法下基聚类效果分析 | 第44-52页 |
| 4.2.3 不同预处理方法下基聚类对比研究 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第5章 基于聚类集成的转辙机故障数据挖掘 | 第54-70页 |
| 5.1 转辙机故障数据挖掘框架 | 第54-55页 |
| 5.2 集成方法 | 第55-58页 |
| 5.2.1 W-VOTE算法 | 第55-57页 |
| 5.2.2 CSPA算法 | 第57页 |
| 5.2.3 MCLA算法 | 第57-58页 |
| 5.3 集成结果分析 | 第58-68页 |
| 5.3.1 基聚类成员优选对结果的影响 | 第58-63页 |
| 5.3.2 数据预处理方法对结果的影响 | 第63-68页 |
| 5.3.3 集成方法对比归纳 | 第68页 |
| 5.4 本章小结 | 第68-70页 |
| 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第78页 |
