基于费舍尔判别分析的半监督故障分类方法研究
| 致谢 | 第5-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第14-28页 |
| 摘要 | 第14页 |
| 1.1 课题背景和研究意义 | 第14-15页 |
| 1.2 过程监测的主要内容和研究现状 | 第15-19页 |
| 1.2.1 过程监测的基本概念 | 第15-16页 |
| 1.2.2 过程监测的研究内容 | 第16-19页 |
| 1.3 统计过程监测的发展历史和现有问题 | 第19-22页 |
| 1.3.1 统计过程监测的发展历史 | 第19-20页 |
| 1.3.2 统计过程监测的现有问题 | 第20-22页 |
| 1.4 基于半监督学习的故障分类研究 | 第22-25页 |
| 1.4.1 模式识别概述 | 第22-23页 |
| 1.4.2 基于模式识别的故障分类 | 第23-24页 |
| 1.4.3 基于半监督学习的故障分类 | 第24-25页 |
| 1.5 本文研究内容和创新点 | 第25-26页 |
| 1.5.1 本文研究内容 | 第25-26页 |
| 1.5.2 章节内容及研究创新点 | 第26页 |
| 1.6 本章小结 | 第26-28页 |
| 2 基本方法介绍 | 第28-38页 |
| 摘要 | 第28页 |
| 2.1 引言 | 第28页 |
| 2.2 半监督学习方法介绍 | 第28-31页 |
| 2.3 费舍尔判别分析(FDA) | 第31-32页 |
| 2.4 主元分析(PCA) | 第32-34页 |
| 2.5 核费舍尔判别分析(KFDA) | 第34-35页 |
| 2.6 k近邻(kNN) | 第35-36页 |
| 2.7 本章小结 | 第36-38页 |
| 3 基于半监督费舍尔判别分析的故障分类研究 | 第38-54页 |
| 摘要 | 第38页 |
| 3.1 引言 | 第38-40页 |
| 3.2 半监督费舍尔判别分析(SFDA) | 第40-41页 |
| 3.3 基于SFDA的故障分类技术 | 第41-44页 |
| 3.4 案例研究 | 第44-53页 |
| 3.4.1 数值例子 | 第44-47页 |
| 3.4.2 TE Benchmark仿真研究 | 第47-53页 |
| 3.5 本章小结 | 第53-54页 |
| 4 基于核半监督费舍尔判别分析的非线性分类研究 | 第54-64页 |
| 摘要 | 第54页 |
| 4.1 引言 | 第54-55页 |
| 4.2 核半监督费舍尔判别分析(KSFDA) | 第55-57页 |
| 4.3 基于KSFDA的故障分类技术 | 第57-60页 |
| 4.4 TE Benchmark仿真研究 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 总结和展望 | 第64-68页 |
| 摘要 | 第64页 |
| 5.1 研究工作总结 | 第64-65页 |
| 5.2 研究工作展望 | 第65-68页 |
| 参考文献 | 第68-77页 |
| 攻读硕士学位期间完成的学术论文 | 第77-78页 |
| 个人简历 | 第78-79页 |
| 攻读硕士学位期间参加的科研项目 | 第79页 |
