| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题背景及故障诊断技术的研究现状 | 第9-11页 |
| ·基于SVM 的核电设备故障诊断模型的可行性分析 | 第11-12页 |
| ·故障信号的特征提取 | 第12-14页 |
| ·本文的总体结构及主要创新点 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 基于支持向量机的核电设备故障监测系统研究 | 第17-36页 |
| ·支持向量机基本原理 | 第17-22页 |
| ·支持向量机的学习算法 | 第22-28页 |
| ·支持向量机学习算法的步骤 | 第28-29页 |
| ·SVM 用于多类型样本分类 | 第29-30页 |
| ·核电设备的常见故障 | 第30-33页 |
| ·基于SVM 的故障诊断系统的实验验证 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 核函数的选择及核参数的优化对 SVM 识别效果的影响 | 第36-44页 |
| ·核函数的选择 | 第36-37页 |
| ·核参数的优化选取 | 第37-42页 |
| ·核函数选择和核参数优化后SVM 的分类效果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 集成学习在 SVM 中的应用 | 第44-54页 |
| ·集成学习的基本概念 | 第44-45页 |
| ·集成学习的优点 | 第45-46页 |
| ·集成学习的典型方法介绍 | 第46-51页 |
| ·Bagging-SVM 的识别效果及其特性 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 实验与仿真 | 第54-66页 |
| ·实验装置及实验仪器 | 第54-56页 |
| ·实验方案 | 第56-58页 |
| ·实验结果及说明 | 第58-64页 |
| ·实验结果讨论 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-73页 |
| 致谢 | 第73页 |