| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·旋转机械故障诊断技术的研究意义 | 第9页 |
| ·旋转机械故障诊断技术的非线性问题及发展现状 | 第9-10页 |
| ·本论文的安排和主要工作 | 第10-12页 |
| 第2章 支持向量机 | 第12-35页 |
| ·模式识别的方法 | 第12-15页 |
| ·模式识别的概念 | 第12-13页 |
| ·模式识别的几种方法 | 第13-15页 |
| ·支持向量机 | 第15-28页 |
| ·机器学习的基本理论 | 第15-16页 |
| ·统计学习理论 | 第16-20页 |
| ·支持向量机 | 第20-28页 |
| ·方法对比 | 第28-31页 |
| ·支持向量机中的几个问题 | 第31-34页 |
| ·特征提取与选择 | 第31-32页 |
| ·训练样本的选择 | 第32页 |
| ·参数优化问题 | 第32-33页 |
| ·不平衡样本问题 | 第33页 |
| ·多分类问题 | 第33-34页 |
| ·多故障问题 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于信息熵的支持向量机特征选择方法 | 第35-38页 |
| ·引言 | 第35页 |
| ·信息熵 | 第35-37页 |
| ·基于信息熵的特征选择方法 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于遗传算法的支持向量机的不平衡样本问题的研究 | 第38-43页 |
| ·概述 | 第38页 |
| ·遗传算法 | 第38-41页 |
| ·基本概念 | 第38-40页 |
| ·基本操作 | 第40-41页 |
| ·基于遗传算法的不平衡样本研究 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 实验设备及仿真分析 | 第43-57页 |
| ·实验设备 | 第43-46页 |
| ·Bently-RK4转子振动试验台 | 第43-44页 |
| ·数据采集卡 | 第44-46页 |
| ·油膜涡动和油膜振荡故障机理 | 第46-47页 |
| ·数据分析工具 | 第47-48页 |
| ·特征选择问题的仿真分析 | 第48-54页 |
| ·参数确定 | 第48-50页 |
| ·决策表的建立 | 第50-51页 |
| ·实验分析 | 第51-54页 |
| ·不平衡样本问题的仿真分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |