| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 模拟电路故障诊断的发展现状 | 第12-14页 |
| 1.3 模拟电路故障诊断方法概述 | 第14-16页 |
| 1.4 本文研究方法和框架结构 | 第16-20页 |
| 2 支持向量机先验知识概述 | 第20-32页 |
| 2.1 引言 | 第20-21页 |
| 2.2 机器学习 | 第21-26页 |
| 2.2.1 监督学习理论 | 第23-24页 |
| 2.2.2 无监督学习理论 | 第24-25页 |
| 2.2.3 半监督学习理论 | 第25-26页 |
| 2.3 统计学习理论 | 第26-27页 |
| 2.3.1 VC维理论 | 第26页 |
| 2.3.2 结构风险最小化 | 第26-27页 |
| 2.4 支持向量机 | 第27-31页 |
| 2.4.1 最小二乘支持向量机 | 第28-30页 |
| 2.4.2 最小二乘支持向量机回归 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于监督学习的模拟电路健康性能监测 | 第32-48页 |
| 3.1 基于DDDHM的模拟电路性能监测研究 | 第32-35页 |
| 3.1.1 引言 | 第32页 |
| 3.1.2 改进LSSVR理论 | 第32-33页 |
| 3.1.3 双核RBF核函数 | 第33-35页 |
| 3.2 基于OLRLSSVM的模拟电路在线监测方法研究 | 第35-40页 |
| 3.2.1 引言 | 第35-37页 |
| 3.2.2 更新阈值函数的设计 | 第37-38页 |
| 3.2.3 RLSSVR的算法流程 | 第38-40页 |
| 3.3 仿真实验 | 第40-46页 |
| 3.3.1 数据收集 | 第40页 |
| 3.3.2 仿真实验 | 第40-46页 |
| 3.4 本章小结 | 第46-48页 |
| 4 基于LAP-T-LSSVM半监督模拟电路故障诊断方法研究 | 第48-58页 |
| 4.1 引言 | 第48-49页 |
| 4.2 Lap-T-LSSVM优化算法 | 第49-51页 |
| 4.2.1 传统LSSVM | 第49-50页 |
| 4.2.2 改进的LSSVM模型设计 | 第50-51页 |
| 4.3 算法流程 | 第51-53页 |
| 4.4 仿真实验 | 第53-56页 |
| 4.4.1 数据收集 | 第54-56页 |
| 4.4.2 实验结论 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 基于改进半监督SS-FCM训练SVM分类器的模拟电路故障诊断 | 第58-68页 |
| 5.1 引言 | 第58-59页 |
| 5.2 优化FCM算法推导 | 第59-61页 |
| 5.2.1 传统FCM算法 | 第59-60页 |
| 5.2.2 半监督FCM算法 | 第60页 |
| 5.2.3 改进半监督FCM算法 | 第60-61页 |
| 5.3 基于相似度系数的数据归类 | 第61-62页 |
| 5.4 算法流程 | 第62-63页 |
| 5.5 仿真实验 | 第63-67页 |
| 5.5.1 数据采集 | 第63-64页 |
| 5.5.2 数值实验 | 第64-66页 |
| 5.5.3 实验总结 | 第66-67页 |
| 5.6 本章小结 | 第67-68页 |
| 结论与展望 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 发表论文和参与项目情况 | 第78-80页 |
| 致谢 | 第80-81页 |
