基于稀疏流形学习的振动信号降维特征研究与应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及进展 | 第12-13页 |
| 1.3 课题研究期望达到的目标 | 第13页 |
| 1.4 课题研究思路及主要内容 | 第13-17页 |
| 2 流形学习算法理论 | 第17-31页 |
| 2.1 流形学习研究背景与现状 | 第17-19页 |
| 2.2 流形学习的定义 | 第19-20页 |
| 2.3 线性流形学习算法 | 第20-22页 |
| 2.3.1 主成分分析 PCA | 第20-21页 |
| 2.3.2 多维尺度变换法 MDS | 第21-22页 |
| 2.4 非线性流形学习算法 | 第22-29页 |
| 2.4.1 局部线性嵌入算法 LLE | 第22-27页 |
| 2.4.2 等距映射 ISOMAP | 第27-28页 |
| 2.4.3 局部切空间排列映射 LTSA | 第28-29页 |
| 2.5 小结 | 第29-31页 |
| 3 基于稀疏约束的 LLE 算法研究 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 基于稀疏约束的 LLE 算法 | 第31-36页 |
| 3.3 算法仿真分析 | 第36-40页 |
| 3.4 小结 | 第40-41页 |
| 4 振动信号流形特征提取 | 第41-72页 |
| 4.1 引言 | 第41页 |
| 4.2 随机减量法改进 | 第41-50页 |
| 4.2.1 随机减量法基本原理 | 第41-43页 |
| 4.2.2 多割线随机减量法 | 第43-45页 |
| 4.2.3 实验仿真 | 第45-48页 |
| 4.2.4 实际应用测试 | 第48-50页 |
| 4.3 小波包能量流流形特征 | 第50-56页 |
| 4.3.1 小波包变换 | 第50-52页 |
| 4.3.2 小波包能量流 | 第52-56页 |
| 4.4 小波时间熵 | 第56-59页 |
| 4.5 支持向量机 | 第59-62页 |
| 4.6 工程应用测试 | 第62-70页 |
| 4.6.1 在清水浦大桥拉索上应用测试 | 第62-69页 |
| 4.6.2 SVM 分类识别 | 第69-70页 |
| 4.6.3 算法时间性能分析 | 第70页 |
| 4.7 小结 | 第70-72页 |
| 5 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 在学研究成果 | 第78-79页 |
| 致谢 | 第79页 |
