| 学位论文数据集 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-18页 |
| ·课题研究的背景和意义 | 第14页 |
| ·管道泄漏声发射检测技术的研究现状 | 第14-15页 |
| ·支持向量机的研究现状 | 第15-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第二章 统计学习理论和支持向量机 | 第18-26页 |
| ·统计学习理论 | 第18-21页 |
| ·VC维 | 第18-19页 |
| ·推广性的界 | 第19-20页 |
| ·结构风险最小化 | 第20-21页 |
| ·支持向量机 | 第21-24页 |
| ·最优超平面 | 第22-23页 |
| ·核函数 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 管道泄漏声发射信号的特征提取和特征选择 | 第26-46页 |
| ·声发射检测技术原理 | 第26-27页 |
| ·传统声发射信号的特征提取方法 | 第27-32页 |
| ·参数分析法 | 第27-28页 |
| ·时域分析法 | 第28-29页 |
| ·实验分析 | 第29-32页 |
| ·基于小波包分析的管道泄漏声发射信号的特征提取 | 第32-37页 |
| ·小波包分析的基本理论 | 第33-34页 |
| ·基于小波包分解的能量特征提取方法 | 第34页 |
| ·实验分析 | 第34-37页 |
| ·基于核主成分分析的管道泄漏声发射信号的特征选择 | 第37-43页 |
| ·主成分分析 | 第37-39页 |
| ·核主成分分析 | 第39-41页 |
| ·实验分析 | 第41-43页 |
| ·本章小结 | 第43-46页 |
| 第四章 基于支持向量机的管道状态识别多分类算法 | 第46-52页 |
| ·常用的支持向量机多分类算法 | 第46-47页 |
| ·"一对一"多分类算法 | 第46页 |
| ·"一对多"多分类算法 | 第46-47页 |
| ·基于改进的二叉树多分类算法 | 第47-50页 |
| ·"二叉树"多分类算法 | 第47-48页 |
| ·"改进二叉树"多分类算法 | 第48-50页 |
| ·实验对比分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 多分类支持向量机在管道泄漏声发射检测中的应用 | 第52-60页 |
| ·系统总体设计 | 第52-53页 |
| ·管道状态信号的获取 | 第53-55页 |
| ·管道泄漏信号的处理及状态识别 | 第55-56页 |
| ·小波包能量分析的特征提取 | 第55页 |
| ·核主成分分析的特征选择 | 第55-56页 |
| ·"改进二叉树"多分类模型 | 第56页 |
| ·实验验证及分析 | 第56-57页 |
| ·本章小结 | 第57-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 研究成果及发表的学术论文 | 第68-70页 |
| 作者和导师简介 | 第70-72页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第72-73页 |