| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-14页 |
| ·课题研究的背景 | 第6-7页 |
| ·课题研究的目的和意义 | 第7-8页 |
| ·风电机组振动监测的研究现状 | 第8-10页 |
| ·粗糙集理论的研究现状 | 第10-11页 |
| ·支持向量机理论的研究现状 | 第11-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第二章 粗糙集和支持向量机的基本理论 | 第14-26页 |
| ·引言 | 第14页 |
| ·粗糙集理论 | 第14-20页 |
| ·粗糙集的基本概念 | 第14-17页 |
| ·知识约减 | 第17-18页 |
| ·连续属性的离散化 | 第18-20页 |
| ·常用的属性约减算法 | 第20页 |
| ·支持向量机的分类原理 | 第20-25页 |
| ·统计学习理论 | 第20-23页 |
| ·支持向量机的两类分类算法 | 第23-24页 |
| ·支持向量机的多类分类算法 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于RS和SVM的风电机组运行工况分类方法的计算工具开发 | 第26-43页 |
| ·引言 | 第26页 |
| ·风电机组数据库的构建 | 第26-29页 |
| ·风电机组运行数据的预处理 | 第26-27页 |
| ·数据库管理工具Microsoft SQL Server 2005简介 | 第27-28页 |
| ·风电机组训练和测试数据表 | 第28-29页 |
| ·风电机组运行工况的划分 | 第29页 |
| ·基于RS的风电机组运行工况分类方法的计算工具开发 | 第29-36页 |
| ·Visual C++6.0简介 | 第29-30页 |
| ·粗糙集分析软件Rosetta简介 | 第30页 |
| ·粗糙集计算工具DemoRS | 第30-36页 |
| ·基于SVM的风电机组运行工况分类方法的计算工具开发 | 第36-42页 |
| ·支持向量机分析软件LIBSVM简介 | 第36-37页 |
| ·支持向量机计算工具DemoSVM | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 风电机组不同运行工况分类方法的误报警率 | 第43-53页 |
| ·引言 | 第43页 |
| ·误报警率定义 | 第43-44页 |
| ·单参数运行工况分类方法的误报警率 | 第44-46页 |
| ·基于粗糙集的运行工况分类方法的误报警率 | 第46-48页 |
| ·基于支持向量机的运行工况分类方法的误报警率 | 第48-51页 |
| ·结果对比分析 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第五章 结论与展望 | 第53-55页 |
| ·论文的结论 | 第53页 |
| ·论文的创新点 | 第53页 |
| ·课题研究展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 在学期间发表论文和参加科研情况 | 第59页 |
