基于改进型支持向量机的高压断路器故障诊断技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| ·高压断路器故障诊断的研究意义 | 第8-9页 |
| ·故障诊断的目的、发展历程和主要方法 | 第9-15页 |
| ·故障诊断的目的 | 第9-10页 |
| ·故障诊断的发展历程 | 第10-11页 |
| ·故障诊断的主要方法 | 第11-15页 |
| ·模型故障诊断方法 | 第11页 |
| ·专家系统故障诊断方法 | 第11-12页 |
| ·模式识别故障诊断方法 | 第12-15页 |
| ·模糊故障诊断方法 | 第15页 |
| ·信息融合故障诊断方法 | 第15页 |
| ·断路器故障诊断方法的研究现状 | 第15-17页 |
| ·基于解析模型的方法 | 第15-16页 |
| ·基于模式识别的方法 | 第16-17页 |
| ·基于专家系统的方法 | 第17页 |
| ·本论文的研究任务 | 第17-18页 |
| 第二章 统计学与支持向量机 | 第18-32页 |
| ·统计学习理论基础 | 第18-22页 |
| ·经验风险最小化 | 第18-19页 |
| ·复杂性与推广能力 | 第19-20页 |
| ·VC维 | 第20-21页 |
| ·结构风险最小化 | 第21-22页 |
| ·支持向量机理论 | 第22-32页 |
| ·广义最优超平面 | 第23-25页 |
| ·支持向量机思想 | 第25-26页 |
| ·常用核函数 | 第26-27页 |
| ·支持向量机分类模型 | 第27-29页 |
| ·核函数参数分析 | 第29-30页 |
| ·支持向量机用于函数拟合 | 第30-32页 |
| 第三章 基于改进型遗传算法的向量机参数优化方法 | 第32-48页 |
| ·遗传算法概述 | 第32-34页 |
| ·遗传算法基本要素 | 第32-33页 |
| ·遗传算法的特点 | 第33-34页 |
| ·基于遗传算法的支持向量机参数优化GA-SVM | 第34-41页 |
| ·支持向量机参数 | 第35-36页 |
| ·GA-SVM算法 | 第36-37页 |
| ·GA-SVM算法的改进一 | 第37-39页 |
| ·GA-SVM算法的改进二 | 第39-41页 |
| ·改进复制算子 | 第39-40页 |
| ·改进交叉算子 | 第40-41页 |
| ·改进变异算子 | 第41页 |
| ·数值实验 | 第41-46页 |
| ·GA-SVM改进一算法实验过程 | 第43-44页 |
| ·GA-SVM改进二算法实验过程 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 基于改进型支持向量机的高压断路器故障诊断 | 第48-56页 |
| ·三种分类模型比较 | 第48-51页 |
| ·核参数定值 | 第51-52页 |
| ·网格法和遗传算法优化核参数 | 第52-53页 |
| ·GA-SVM以及其改进型性能比较 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 硕士期间参加科研、发表论文情况 | 第62-63页 |
| 致谢 | 第63页 |
