一种粗糙集和神经网络相结合的故障诊断方法研究
| 第一章 绪论 | 第1-18页 |
| ·故障诊断技术的发展 | 第12页 |
| ·智能故障诊断 | 第12-15页 |
| ·基于计算智能的故障诊断 | 第13-14页 |
| ·神经网络和粗糙集结合的必要性 | 第14-15页 |
| ·本课题国内外研究现状 | 第15-16页 |
| ·本论文的主要研究内容 | 第16-18页 |
| 第二章 粗糙集理论 | 第18-28页 |
| ·粗糙集理论的基础 | 第18-22页 |
| ·知识的含义和知识的表示 | 第18-20页 |
| ·粗糙集 | 第20-21页 |
| ·属性的依赖度和重要性 | 第21-22页 |
| ·粗糙集理论的特点 | 第22-23页 |
| ·粗糙集理论应用的技术关键 | 第23-25页 |
| ·属性的约简和属性的核 | 第23-24页 |
| ·属性的相对约简与相对核 | 第24页 |
| ·决策表分析与约简 | 第24-25页 |
| ·粗糙集理论的知识推理过程 | 第25页 |
| ·粗糙集理论的应用 | 第25-28页 |
| 第三章 人工神经网络的应用 | 第28-38页 |
| ·人工神经网络概述 | 第28-29页 |
| ·神经网络的特性和学习算法 | 第29-30页 |
| ·人工神经网络的基本特性 | 第29-30页 |
| ·人工神经网络的主要学习算法 | 第30页 |
| ·神经网络在本论文中的应用 | 第30-32页 |
| ·神经网络用于连续属性离散化 | 第31页 |
| ·神经网络用于故障诊断 | 第31-32页 |
| ·两种神经网络模型 | 第32-34页 |
| ·BP神经网络 | 第32-34页 |
| ·竞争学习(Competitive)网络 | 第34页 |
| ·MATLAB的简介 | 第34-38页 |
| ·MATLAB6.5神经网络工具箱简介 | 第35-36页 |
| ·基于GUI的神经网络设计与分析 | 第36-38页 |
| 第四章 粗糙集和神经网络结合的故障诊断方法 | 第38-48页 |
| ·粗糙集-神经网络系统概述 | 第38-40页 |
| ·粗糙集和神经网络结合的故障诊断系统 | 第40-41页 |
| ·连续属性的离散化 | 第41-43页 |
| ·连续属性离散化的必要性 | 第41页 |
| ·几种连续属性离散化的方法 | 第41-42页 |
| ·竞争学习网络和条件属性支持度结合的离散化方法 | 第42-43页 |
| ·基于分块决策表的属性约简方法 | 第43-45页 |
| ·方法的提出 | 第43页 |
| ·可行性分析 | 第43-44页 |
| ·约简算法的时间复杂度分析 | 第44-45页 |
| ·用BP神经网络实现故障诊断 | 第45-48页 |
| 第五章 应用实例 | 第48-72页 |
| ·实验设计 | 第48-51页 |
| ·实验步骤 | 第51-68页 |
| ·实验结果分析 | 第68-72页 |
| 第六章 总结 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间发表的论文 | 第80页 |
