粗糙集在故障诊断中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-19页 |
| ·引言 | 第7-8页 |
| ·故障诊断技术现状综述 | 第8-16页 |
| ·故障的概念和分类 | 第8-9页 |
| ·故障诊断的方法概述 | 第9-16页 |
| ·基于解析模型的方法 | 第9-10页 |
| ·基于信号处理的方法 | 第10-13页 |
| ·基于知识的方法 | 第13-16页 |
| ·粗糙集理论概述和研究现状 | 第16-17页 |
| ·粗糙集理论概述 | 第16-17页 |
| ·粗糙集理论研究现状 | 第17页 |
| ·本文的内容和安排 | 第17-19页 |
| 2 粗糙集理论 | 第19-27页 |
| ·引言 | 第19-20页 |
| ·粗糙集理论的基本概念 | 第20-23页 |
| ·知识的含义与分类 | 第20-21页 |
| ·不精确范畴和近似集 | 第21-22页 |
| ·信息系统 | 第22-23页 |
| ·知识的化简 | 第23-25页 |
| ·约简与核 | 第23-24页 |
| ·知识的依赖性 | 第24页 |
| ·决策表和决策规则 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 数据处理 | 第27-33页 |
| ·数据离散化描述 | 第27-28页 |
| ·数据离散化算法概述 | 第28-29页 |
| ·属性主次数据离散化方法设计 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 4 数据约简粗糙集算法 | 第33-49页 |
| ·引言 | 第33-34页 |
| ·属性约简 | 第34-42页 |
| ·属性的重要性 | 第34页 |
| ·属性约简算法总结 | 第34-36页 |
| ·可辨识矩阵改进算法 | 第36-39页 |
| ·算法效果分析 | 第39-42页 |
| ·值约简 | 第42-47页 |
| ·值约简基本算法 | 第42-43页 |
| ·改进值约简算法 | 第43-44页 |
| ·算法效果分析 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 5 基于粗糙集的神经网络故障诊断 | 第49-61页 |
| ·引言 | 第49-50页 |
| ·人工神经网络 | 第50-53页 |
| ·神经网络的基本属性 | 第50-51页 |
| ·人工神经网络的基本形式 | 第51页 |
| ·人工神经网络的学习方法分类 | 第51-53页 |
| ·BP网络 | 第53-55页 |
| ·BP网络 | 第53-54页 |
| ·BP网络的特点 | 第54-55页 |
| ·基于粗糙集神经网络故障诊断 | 第55-60页 |
| ·数据处理和属性约简 | 第55-56页 |
| ·混合策略规则 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 结束语 | 第61-63页 |
| 致敬 | 第63-65页 |
| 参考文献 | 第65-70页 |
