| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景 | 第10-13页 |
| ·基于专家系统的方法 | 第11-12页 |
| ·神经网络诊断方法 | 第12页 |
| ·混合智能的诊断系统 | 第12-13页 |
| ·其它部分典型诊断系统 | 第13页 |
| ·本课题的选题意义与研究内容 | 第13-15页 |
| 第二章 相关基本理论内容 | 第15-30页 |
| ·主成分分析相关基本理论内容 | 第15-16页 |
| ·独立成分分析相关基本理论 | 第16-19页 |
| ·支持向量机相关知识 | 第19-28页 |
| ·统计学习理论的基本内容 | 第19-23页 |
| ·基于二次规划的支持向量机分类 | 第23-28页 |
| ·多类支持向量机 | 第28-29页 |
| ·一对多（One-versus-Rest）算法 | 第28页 |
| ·一对一（One-versus-One）算法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 加权软间隔支持向量机的相关问题分析与改进 | 第30-38页 |
| ·小样本情况下支持向量机性能分析 | 第30-32页 |
| ·不平衡样本集造成的相关影响分析 | 第32-33页 |
| ·对支持向量机所造成的相关影响 | 第32-33页 |
| ·影响的原因分析 | 第33页 |
| ·常用的改进算法分析 | 第33-34页 |
| ·常用的改进算法所采取的措施 | 第33-34页 |
| ·各种改进措施的分析 | 第34页 |
| ·相关分析的仿真证明 | 第34-37页 |
| ·小结 | 第37-38页 |
| 第四章 新型改进算法的提出 | 第38-44页 |
| ·算法改进的设计思想 | 第38-40页 |
| ·改进分类超平面的原理 | 第38页 |
| ·改进原理在算法中可行性的证明 | 第38-40页 |
| ·设计出发点在算法中的具体实现过程 | 第40-41页 |
| ·样本加权取值的准则与实现过程 | 第40页 |
| ·增量方式的引入及作用 | 第40页 |
| ·样本加权取值的准则与实现过程 | 第40-41页 |
| ·可使用的支持向量机形式的约束 | 第41页 |
| ·改进加权软间隔SVM增量式稀疏化算法及仿真分析 | 第41-43页 |
| ·算法的实现形式 | 第41-42页 |
| ·实验分析 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第五章 改进软间隔支持向量机诊断模型的提出及其在TEP过程中的应用 | 第44-54页 |
| ·TEP 过程介绍 | 第44-49页 |
| ·过程工艺流程图 | 第44-45页 |
| ·过程变量 | 第45-47页 |
| ·过程故障 | 第47-48页 |
| ·仿真程序 | 第48-49页 |
| ·故障数据集的获取 | 第49-50页 |
| ·故障诊断模型的创建 | 第50-53页 |
| ·故障诊断模型构建的基本流程 | 第50-51页 |
| ·分类前的数据预处理过程 | 第51页 |
| ·建立多类支持向量机故障诊断模型 | 第51-52页 |
| ·故障诊断效果对比 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·本文工作的创新点 | 第54-55页 |
| ·研究展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62页 |