改进极限学习机亚健康识别算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状分析 | 第14-17页 |
| 1.2.1 “亚健康”研究现状 | 第14-15页 |
| 1.2.2 风机故障研究现状 | 第15-17页 |
| 1.3 论文的主要研究内容 | 第17-19页 |
| 1.4 论文的组织结构 | 第19-20页 |
| 第2章 遗传算法和极限学习机 | 第20-32页 |
| 2.1 遗传算法 | 第20-22页 |
| 2.1.1 遗传算法基本原理分析 | 第20-21页 |
| 2.1.2 一些改进的遗传算法 | 第21-22页 |
| 2.2 极限学习机 | 第22-31页 |
| 2.2.1 单隐层前馈神经网络 | 第22-25页 |
| 2.2.2 极限学习机网络结构分析 | 第25-28页 |
| 2.2.3 网络结构调整研究分析 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 改进的遗传神经网络特征降维算法 | 第32-46页 |
| 3.1 特征参数的确定 | 第32-35页 |
| 3.1.1 时域特征 | 第33-34页 |
| 3.1.2 频域特征 | 第34-35页 |
| 3.2 特征降维技术分析 | 第35-38页 |
| 3.2.1 特征降维的原则 | 第35-37页 |
| 3.2.2 特征降维技术分类 | 第37-38页 |
| 3.3 改进遗传神经网络特征降维算法 | 第38-45页 |
| 3.3.1 特征降维算法 | 第38-42页 |
| 3.3.2 实验验证 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 改进果蝇优化极限学习机的亚健康识别算法 | 第46-60页 |
| 4.1 亚健康 | 第46-47页 |
| 4.2 果蝇优化算法 | 第47-50页 |
| 4.2.1 演化计算与群体智能 | 第47页 |
| 4.2.2 果蝇优化算法行为流程分析 | 第47-50页 |
| 4.3 改进果蝇优化算法 | 第50-57页 |
| 4.3.1 果蝇优化算法参数整定流程 | 第50-51页 |
| 4.3.2 自学习行为以及更新惯性权重 | 第51-55页 |
| 4.3.3 加入组内优化 | 第55-57页 |
| 4.4 改进果蝇优化极限学习机“亚健康”识别算法 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 实验及结果分析 | 第60-70页 |
| 5.1 风机状态定义 | 第60页 |
| 5.2 数据采集 | 第60-62页 |
| 5.3 数据预处理 | 第62-65页 |
| 5.4 识别结果分析 | 第65-68页 |
| 5.5 本章小结 | 第68-70页 |
| 第6章 总结和展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第78页 |
