| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.2 漏磁内检测原理 | 第13-14页 |
| 1.3 异常检测及识别方法现状 | 第14-16页 |
| 1.4 机器学习现状 | 第16-17页 |
| 1.5 本文主要工作 | 第17-18页 |
| 1.6 论文组织结构 | 第18-19页 |
| 第2章 基于阈值自适应的漏磁信号异常检测算法 | 第19-43页 |
| 2.1 不同类型漏磁信号的形成机理及特点分析 | 第19-25页 |
| 2.2 基于阈值的漏磁信号异常检测算法 | 第25-32页 |
| 2.2.1 漏磁信号特征分析 | 第26-30页 |
| 2.2.2 漏磁信号特征提取方法 | 第30-32页 |
| 2.3 漏磁信号异常检测步骤 | 第32-35页 |
| 2.3.1 位置精确修正 | 第33-34页 |
| 2.3.2 检测算法流程 | 第34-35页 |
| 2.4 算法测试 | 第35-42页 |
| 2.4.1 仿真漏磁信号测试集 | 第36-39页 |
| 2.4.2 实验场数据测试 | 第39-40页 |
| 2.4.3 海试数据测试 | 第40-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 基于Boosting的漏磁信号异常检测算法 | 第43-59页 |
| 3.1 Boosting基本原理概述 | 第43-47页 |
| 3.1.1 Boosting基本思想 | 第43-46页 |
| 3.1.2 Adaboost算法原理 | 第46-47页 |
| 3.2 基于Boosting分类器的漏磁信号异常检测算法 | 第47-52页 |
| 3.2.1 样本的构造 | 第48页 |
| 3.2.2 Boosting分类器的训练 | 第48-49页 |
| 3.2.3 位置精确修正 | 第49-51页 |
| 3.2.4 检测算法流程 | 第51-52页 |
| 3.3 算法测试 | 第52-57页 |
| 3.3.1 训练样本数量测试 | 第52-53页 |
| 3.3.2 训练次数测试 | 第53-54页 |
| 3.3.3 输入特征数量测试 | 第54-56页 |
| 3.3.4 数据集测试 | 第56-57页 |
| 3.4 本章小结 | 第57-59页 |
| 第4章 基于KPCA与Boosting结合的漏磁信号异常检测算法 | 第59-73页 |
| 4.1 降维算法概述 | 第59-65页 |
| 4.1.1 常用的降维算法 | 第59-63页 |
| 4.1.2 KPCA降维 | 第63-65页 |
| 4.2 基于KPCA与Boosting的漏磁信号异常检测算法 | 第65-68页 |
| 4.2.1 位置精确修正 | 第65-66页 |
| 4.2.2 检测算法流程 | 第66-68页 |
| 4.3 算法测试 | 第68-71页 |
| 4.3.1 输入特征量测试 | 第68-70页 |
| 4.3.2 训练次数测试 | 第70页 |
| 4.3.3 数据集测试 | 第70-71页 |
| 4.4 本章小结 | 第71-73页 |
| 第5章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间科研情况 | 第81页 |
