| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 故障检测与邻域嵌入方法综述 | 第11-14页 |
| 1.2.1 故障检测的国内外研究现状 | 第11-13页 |
| 1.2.2 邻域嵌入方法的国内外研究现状 | 第13-14页 |
| 1.3 邻域嵌入方法对水电机组噪声异常检测的可行性分析 | 第14页 |
| 1.4 本文主要结构安排 | 第14-16页 |
| 第2章 邻域嵌入分析方法概述 | 第16-22页 |
| 2.1 引言 | 第16-17页 |
| 2.2 基本的邻域嵌入分析算法 | 第17-18页 |
| 2.2.1 算法简介及目标函数 | 第17页 |
| 2.2.2 迭代规则及算法流程 | 第17-18页 |
| 2.3 邻域嵌入分类算法的几种常见变形 | 第18-21页 |
| 2.3.1 t分布随机近邻嵌入分析(t-SNE) | 第18页 |
| 2.3.2 判别随机近邻嵌入分析方法(DSNE) | 第18-20页 |
| 2.3.3 弹性嵌入分析(EE) | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于拉斯优化的鉴别性邻域嵌入分类算法 | 第22-33页 |
| 3.1 引言 | 第22页 |
| 3.2 鉴别性邻域嵌入分类算法 | 第22-25页 |
| 3.2.1 算法目标函数构建 | 第23页 |
| 3.2.2 带拉斯优化方向的迭代规则 | 第23-25页 |
| 3.3 算法性能验证 | 第25-32页 |
| 3.3.1 搜索策略性能实验 | 第26-29页 |
| 3.3.2 分簇性能实验 | 第29-31页 |
| 3.3.3 鉴别性能实验 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 引入核技巧的鉴别性邻域嵌入分类算法 | 第33-41页 |
| 4.1 引言 | 第33-34页 |
| 4.2 核化鉴别性邻域嵌入分类算法 | 第34-37页 |
| 4.2.1 KDEE1目标函数及算法流程 | 第34-35页 |
| 4.2.2 KDEE2目标函数及算法流程 | 第35-36页 |
| 4.2.3 KDEE1、KDEE2算法复杂度分析 | 第36-37页 |
| 4.3 算法性能仿真实验 | 第37-40页 |
| 4.3.1 KDEE1、KDEE2分簇能力 | 第37-39页 |
| 4.3.2 KDEE1、KDEE2鉴别能力 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 KDEE在水电机组异常检测中的应用 | 第41-50页 |
| 5.1 水电机组异常检测总方案 | 第41-42页 |
| 5.2 相关数据去噪方法 | 第42-46页 |
| 5.2.1 小波变换法 | 第42-43页 |
| 5.2.2 小波去噪法 | 第43-44页 |
| 5.2.3 阈值函数法 | 第44-46页 |
| 5.3 水电机组异常检测仿真分析 | 第46-49页 |
| 5.3.1 水电机组噪声源类型分类 | 第46页 |
| 5.3.2 仿真结果及分析 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 总结和展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间的科研成果 | 第57页 |