| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文安排 | 第15-16页 |
| 第二章 异构网络故障诊断的相关技术 | 第16-26页 |
| 2.1 异构网络 | 第16-18页 |
| 2.1.1 异构网络的架构 | 第16-17页 |
| 2.1.2 异构网络面临的挑战和发展方向 | 第17-18页 |
| 2.2 网络故障诊断技术综述 | 第18-20页 |
| 2.3 深度学习 | 第20-25页 |
| 2.3.1 深度学习简述 | 第20-22页 |
| 2.3.2 深度学习算法 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于卷积神经网络的故障检测与诊断算法 | 第26-43页 |
| 3.1 引言 | 第26-27页 |
| 3.2 系统模型 | 第27-35页 |
| 3.2.1 网络故障分析 | 第27-30页 |
| 3.2.2 网络参数选择 | 第30-32页 |
| 3.2.3 特征选择 | 第32-35页 |
| 3.3 基于CNN的两阶段故障诊断模型 | 第35-38页 |
| 3.3.1 故障检测阶段 | 第35-36页 |
| 3.3.2 故障诊断阶段 | 第36-38页 |
| 3.4 性能评估与结果 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于改进的生成对抗网络故障诊断算法 | 第43-58页 |
| 4.1 引言 | 第43-44页 |
| 4.2 系统模型 | 第44页 |
| 4.3 基于改进的生成对抗网络故障诊断算法 | 第44-52页 |
| 4.3.1 基于改进的半监督生成对抗网络故障诊断模型 | 第44-49页 |
| 4.3.2 生成对抗网络与卷积神经网络结合的故障诊断模型 | 第49-52页 |
| 4.4 性能评估与结果 | 第52-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于深度学习的故障诊断验证平台的设计与实现 | 第58-71页 |
| 5.1 平台环境设计 | 第58-59页 |
| 5.1.1 OPNET仿真软件 | 第58页 |
| 5.1.2 Tensor Flow深度学习框架 | 第58-59页 |
| 5.2 异构网络和诊断模型搭建 | 第59-69页 |
| 5.2.1 基于OPNET的异构网络环境搭建 | 第59-63页 |
| 5.2.2 基于改进的SGAN的故障诊断模型搭建 | 第63-66页 |
| 5.2.3 基于GAN与 CNN结合的故障诊断模型搭建 | 第66-68页 |
| 5.2.4 实验平台运行结果 | 第68-69页 |
| 5.3 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 附录1 攻读硕士学位期间申请的专利 | 第76-77页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 致谢 | 第78页 |
