| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 引言 | 第7-12页 |
| ·问题的提出 | 第7页 |
| ·项目研究背景 | 第7-8页 |
| ·理论背景 | 第7-8页 |
| ·工程背景 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·故障诊断国内外现状 | 第8页 |
| ·智能故障诊断技术的方法研究 | 第8-9页 |
| ·开展此项研究的意义 | 第9-10页 |
| ·总体解决方案 | 第10-11页 |
| ·本工作主要研究内容 | 第11页 |
| ·项目来源 | 第11-12页 |
| 第二章 基于决策树的机器学习方法和推理机设计 | 第12-23页 |
| ·概述 | 第12页 |
| ·属性表、决策表、训练样本集与测试样本集 | 第12-14页 |
| ·观测样本属性符号化与属性表 | 第12-14页 |
| ·决策表、训练样本集与测试样本集 | 第14页 |
| ·决策树拓扑的表示 | 第14-16页 |
| ·树结构 | 第14-15页 |
| ·多叉树结构 | 第15-16页 |
| ·决策树建模与决策树学习 | 第16-20页 |
| ·基于ID3算法的决策树建模 | 第17页 |
| ·基于ID3算法的决策树学习 | 第17-20页 |
| ·ID3算法的评价 | 第20页 |
| ·基于决策树的推理机 | 第20-21页 |
| ·基于决策树的推理机算法设计 | 第20-21页 |
| ·推理机的推理流程 | 第21页 |
| ·小结 | 第21-23页 |
| 第三章 生成决策树的ID3算法设计 | 第23-32页 |
| ·概述 | 第23页 |
| ·ID3算法问题描述 | 第23-24页 |
| ·ID3的算法设计 | 第24-31页 |
| ·信息熵的算法设计 | 第24-25页 |
| ·信息增益的算法设计 | 第25-27页 |
| ·利用ID3建立决策树的算法设计 | 第27-28页 |
| ·基于决策树的规则提取的算法设计 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第四章 冲突消解策略和决策树的剪枝 | 第32-44页 |
| ·概述 | 第32页 |
| ·冲突消解策略 | 第32-39页 |
| ·认识世界的模糊性 | 第32页 |
| ·隶属函数与模糊集合 | 第32-33页 |
| ·模糊规则的表示 | 第33页 |
| ·匹配度的冲突消解方法 | 第33-34页 |
| ·加权平均值排序的冲突消解方法 | 第34-35页 |
| ·广义顺序关系排序的冲突消解方法 | 第35-36页 |
| ·广义顺序关系排序所存在的问题和一种新的冲突消解策略 | 第36-39页 |
| ·决策树的后剪枝方法 | 第39-43页 |
| ·临界值剪枝方法 | 第39页 |
| ·最佳剪枝法 | 第39页 |
| ·代价敏感度决策树剪枝 | 第39-40页 |
| ·降低错误剪枝法 | 第40页 |
| ·悲观错误剪枝法 | 第40-42页 |
| ·最小错误剪枝法 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第五章 应用研究例 | 第44-66页 |
| ·概述 | 第44页 |
| ·特征提取 | 第44-49页 |
| ·汽车变速器振动信号的采集 | 第44-46页 |
| ·变速器振动信号RMS、Peak、Crest分析与时域特征提取 | 第46-47页 |
| ·变速器阶次分析与频域特征提取 | 第47-49页 |
| ·故障诊断知识库与推理规则库 | 第49-51页 |
| ·故障诊断知识库 | 第49-50页 |
| ·推理规则库 | 第50-51页 |
| ·原始观测矩阵、属性表、决策表 | 第51-56页 |
| ·原始观测矩阵 | 第51-52页 |
| ·属性表 | 第52-54页 |
| ·决策表 | 第54-56页 |
| ·基于决策树的推理机建模 | 第56-61页 |
| ·基于ID3算法和最佳匹配排序法的推理机建模 | 第56-61页 |
| ·决策树剪枝 | 第61-64页 |
| ·推理机测试 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第六章 结论 | 第66-67页 |
| ·主要研究成果 | 第66页 |
| ·主要创新点 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 附录 | 第70-77页 |
| 作者简介 | 第77页 |
| 攻读硕士学位期间研究成果 | 第77-78页 |