基于深度学习的工业过程控制系统异常捡测技术的研究
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景 | 第11-12页 |
1.2 研究现状 | 第12-14页 |
1.3 论文主要研究内容 | 第14-15页 |
1.4 论文的组织结构 | 第15-17页 |
第二章 相关知识介绍 | 第17-27页 |
2.1 缺失值填补算法 | 第17-18页 |
2.2 降维算法 | 第18页 |
2.3 浅层学习和深度学习算法 | 第18-20页 |
2.4 单分类算法算法 | 第20-22页 |
2.5 多分类算法介绍 | 第22页 |
2.6 传统DBN算法介绍 | 第22-24页 |
2.7 田纳西-伊斯曼过程的介绍 | 第24-27页 |
第三章 基于深度学习的数据预处理 | 第27-37页 |
3.1 概述 | 第27页 |
3.2 缺失值的处理 | 第27-30页 |
3.2.1 去噪DBN的模型 | 第27-28页 |
3.2.2 缺失值归集策略 | 第28-30页 |
3.3 降维处理 | 第30页 |
3.4 实验结果 | 第30-35页 |
3.4.1 实验数据 | 第30-31页 |
3.4.2 缺失值归集实验 | 第31-33页 |
3.4.3 降维实验结果 | 第33-35页 |
3.5 本章总结 | 第35-37页 |
第四章 基于DDBN的单分类异常检测 | 第37-47页 |
4.1 概述 | 第37-38页 |
4.2 DBN的特征提取原理 | 第38-40页 |
4.3 OCSVM模型 | 第40-42页 |
4.4 DDBN-OCSVM模型 | 第42-43页 |
4.5 实验数据和结果 | 第43-46页 |
4.5.1 实验数据 | 第43-44页 |
4.5.2 实验结果 | 第44-46页 |
4.6 本章小结 | 第46-47页 |
第五章 多分类异常检测 | 第47-55页 |
5.1 概述 | 第47页 |
5.2 多分类算法 | 第47-49页 |
5.2.1 多分类解决方向 | 第47-48页 |
5.2.2 多样分类组合策略 | 第48-49页 |
5.3 多样化的一对一方法 | 第49-51页 |
5.4 实验与结果 | 第51-54页 |
5.5 本章小结 | 第54-55页 |
第六章 总结与展望 | 第55-57页 |
6.1 总结 | 第55-56页 |
6.2 展望 | 第56-57页 |
参考文献 | 第57-63页 |
致谢 | 第63-65页 |
攻读学位期间发表的学术论文 | 第65页 |