| 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 研究现状 | 第12-15页 |
| 1.2.1 转向架关键部件安全性研究现状 | 第12页 |
| 1.2.2 数据融合研究现状 | 第12-13页 |
| 1.2.3 特征选择方法研究现状 | 第13-14页 |
| 1.2.4 分类器集成研究现状 | 第14-15页 |
| 1.3 研究目标 | 第15页 |
| 1.4 本文结构安排 | 第15-17页 |
| 第2章 D-S理论及实验数据介绍 | 第17-26页 |
| 2.1 高速列车转向架监测数据介绍 | 第17-18页 |
| 2.2 Dempster-Shafer证据理论 | 第18-22页 |
| 2.2.1 Dempster-Shafer证据理论的基本概念 | 第19-20页 |
| 2.2.2 Dempster-Shafer证据理论的融合规则 | 第20-22页 |
| 2.3 Dempster-Shafer证据理论的改进方法 | 第22-24页 |
| 2.3.1 Dempster-Shafer融合规则修正 | 第22-23页 |
| 2.3.2 证据源修正 | 第23-24页 |
| 2.3.3 全集分配法 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于改进DS理论的多准则特征选择方法 | 第26-50页 |
| 3.1 单一特征排序方法 | 第26-29页 |
| 3.1.1 Mahalanobis Distance | 第26页 |
| 3.1.2 Fisher's ratio | 第26-27页 |
| 3.1.3 Representation Entropy | 第27页 |
| 3.1.4 Fuzzy Entropy | 第27-28页 |
| 3.1.5 特征选择方法的稳定性 | 第28-29页 |
| 3.2 基于改进DS理论的多准则特征选择方法 | 第29-32页 |
| 3.2.1 多准则特征选择方法总体介绍 | 第29-30页 |
| 3.2.2 MCF-fgoalattain特征选择方法融合过程 | 第30-32页 |
| 3.3 多准则特征选择方法实验及分析 | 第32-48页 |
| 3.3.1 轴承单故障内环退化实验 | 第33-36页 |
| 3.3.2 UCI标准数据集实验 | 第36-40页 |
| 3.3.3 抗蛇行减振器单故障数据实验 | 第40-44页 |
| 3.3.4 横向减振器单故障数据实验 | 第44-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第4章 基于SVM和DS理论的决策融合方法 | 第50-60页 |
| 4.1 SVM及其后验概率 | 第51-52页 |
| 4.1.1 SVM简介 | 第51-52页 |
| 4.1.2 SVM后验概率输出 | 第52页 |
| 4.2 基于混淆矩阵的可信度计算 | 第52-53页 |
| 4.3 SVM与DS的融合分类方法 | 第53-54页 |
| 4.4 实验结果及分析 | 第54-59页 |
| 4.4.1 轴承数据故障实验 | 第54-56页 |
| 4.4.2 UCI标准数据集实验 | 第56-57页 |
| 4.4.3 抗蛇行减振器单故障数据实验 | 第57-58页 |
| 4.4.4 横向减振器单故障数据实验 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第68页 |
