| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10页 |
| 1.2 基于故障检测与诊断方法的研究现状 | 第10-12页 |
| 1.3 基于模拟故障检测与诊断的分类方法 | 第12-13页 |
| 1.4 论文内容安排 | 第13-15页 |
| 第2章 核函数和独立成分分析基本理论 | 第15-24页 |
| 2.1 核函数 | 第15-18页 |
| 2.1.1 核函数的基本理论 | 第15-17页 |
| 2.1.2 混合核函数的构造 | 第17-18页 |
| 2.1.3 核函数的生成方法 | 第18页 |
| 2.2 独立成分分析的理论 | 第18-24页 |
| 2.2.1 独立成分的概率知识 | 第18-19页 |
| 2.2.2 高阶统计量 | 第19-21页 |
| 2.2.3 信息度量函数 | 第21-24页 |
| 第3章 独立成分分析的算法研究 | 第24-37页 |
| 3.1 独立成分分析的基本理论 | 第24-29页 |
| 3.1.1 传统的独立成分分析 | 第24-25页 |
| 3.1.2 独立成分析技术的数据预处理技术 | 第25-27页 |
| 3.1.3 基于自适应的独立成分分析的研究 | 第27-29页 |
| 3.2 基于独立成分分析的目标函数的研究 | 第29-34页 |
| 3.2.1 基于峭度的快速ICA算法 | 第29-31页 |
| 3.2.2 对ICA的inforrax算法的研究 | 第31-32页 |
| 3.2.3 基于负熵的ICA算法的研究 | 第32-34页 |
| 3.2.4 基于最大似然判据的研究 | 第34页 |
| 3.3 独立成分与其它算法的对比研究 | 第34-36页 |
| 3.3.1 主元分析与独立成分析对比 | 第34-35页 |
| 3.3.2 投影法与独立成分分析的对比 | 第35-36页 |
| 3.4 独立成分分析的算法流程 | 第36-37页 |
| 第4章 支持向量机的研究 | 第37-44页 |
| 4.1 统计学理论 | 第37-38页 |
| 4.2 支持向量机的分类理论研究 | 第38-40页 |
| 4.3 支持向量机多分类的研究 | 第40-44页 |
| 第5章 基于自适应独立成分分析的支持向量机的应用 | 第44-58页 |
| 5.1 基于AMK-ICA-SVM诊断流程和故障诊断系统功能模块的实现 | 第44-46页 |
| 5.1.1 基于AMK-ICA-SVM诊断流程 | 第44-46页 |
| 5.1.2 故障诊断系统功能模块的实现 | 第46页 |
| 5.2 基于AMK-ICA-SVM在模拟电路中的应用 | 第46-58页 |
| 5.2.1 AMK-ICA-SVM在线性电路的应用 | 第46-51页 |
| 5.2.2 AMK-ICA-SVM在非线性电路的应用 | 第51-53页 |
| 5.2.3 对ALCATEL-Yaris 3.5手机进行模拟故障诊断及校准 | 第53-58页 |
| 总结与展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 在读期间发表的学术论文 | 第65页 |
