| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 特征选择研究现状 | 第12-14页 |
| 1.2.2 数据融合研究现状 | 第14-15页 |
| 1.3 研究目标及内容 | 第15-16页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 第2章 特征排序方法 | 第17-23页 |
| 2.1 单一特征排序方法介绍 | 第17-18页 |
| 2.2 多准则特征排序方法介绍 | 第18-20页 |
| 2.2.1 基于得分向量的多准则排序方法 | 第19页 |
| 2.2.2 基于排序的多准则排序方法 | 第19-20页 |
| 2.3 基于排序和得分的多准则排序方法(MCF-RFE) | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于Fisher's ratio和模糊熵的多准则特征排序方法 | 第23-33页 |
| 3.1 Fisher's ratio | 第23-24页 |
| 3.2 模糊熵 | 第24-25页 |
| 3.3 基于Fisher's ratio和模糊熵的多准则特征评价方法 | 第25-26页 |
| 3.4 实验结果与分析 | 第26-32页 |
| 3.4.1 标准数据特征集 | 第26-27页 |
| 3.4.2 高速列车走行部检测数据及其特征集 | 第27-28页 |
| 3.4.3 相似性分类器 | 第28页 |
| 3.4.4 实验结果分析 | 第28-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于D-S理论的多准则排序方法 | 第33-52页 |
| 4.1 Dempster-Shafer证据理论 | 第33-35页 |
| 4.2 改进D-S证据算法 | 第35-37页 |
| 4.2.1 融合规则改进 | 第36页 |
| 4.2.2 证据源改进 | 第36-37页 |
| 4.2.3 证据源和融合规则同时改进 | 第37页 |
| 4.3 单一排序方法 | 第37-38页 |
| 4.3.1 Mahalanobis distance(MD)方法 | 第38页 |
| 4.3.2 Representation Entropy(RE)方法 | 第38页 |
| 4.4 选择D-S理论作为融合规则的原因 | 第38-39页 |
| 4.5 特征排序方法的稳定性 | 第39页 |
| 4.6 基于D-S理论的多准则排序方法(MCFR-DSEC) | 第39-42页 |
| 4.7 MCER-DSEC方法实验设计及分析 | 第42-45页 |
| 4.7.1 标准数据特征集 | 第42页 |
| 4.7.2 实验分析 | 第42-45页 |
| 4.8 基于D-S理论的多准则排序方法(MCFR-MURPHY) | 第45-46页 |
| 4.9 MCFR-MURPHY方法实验设计与分析 | 第46-51页 |
| 4.9.1 基于标准数据特征集的实验分析 | 第46-48页 |
| 4.9.2 基于高速列车检测数据特征集的实验分析 | 第48-51页 |
| 4.10 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第60页 |
