| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景及研究意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 低碳异常检测国内外研究现状 | 第12-16页 |
| 1.2.1 异常检测方法国内外研究现状 | 第12-14页 |
| 1.2.2 异常检测方法的优缺点 | 第14-16页 |
| 1.3 本文的主要研究思路和内容安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 隐马尔科夫模型 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 HMM的基本思想 | 第18-22页 |
| 2.2.1 随机过程 | 第19-20页 |
| 2.2.2 马尔科夫链 | 第20页 |
| 2.2.3 HMM基本概念 | 第20-22页 |
| 2.3 HMM的定义 | 第22-28页 |
| 2.3.1 前向-后项算法 | 第22-24页 |
| 2.3.2 Viterbi算法 | 第24-26页 |
| 2.3.3 Baum-Welch算法 | 第26-28页 |
| 2.3.4 三种算法的关系 | 第28页 |
| 2.4 HMM模型三个基本算法的应用 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于连续隐马尔科夫模型的低碳异常检测方法研究 | 第31-43页 |
| 3.1 引言 | 第31-32页 |
| 3.2 CHMM初始化 | 第32-34页 |
| 3.2.1 CHMM中各参数含义 | 第32-33页 |
| 3.2.2 CHMM中观测矩阵B的确定 | 第33-34页 |
| 3.2.2.1 混合高斯模型 | 第33-34页 |
| 3.2.2.2 矩阵B的重估 | 第34页 |
| 3.3 CHMM训练模型实现 | 第34-38页 |
| 3.3.1 CHMM异常检测的原理 | 第34-35页 |
| 3.3.2 算法需要解决的算法溢出问题 | 第35-37页 |
| 3.3.3 模型训练实现步骤 | 第37-38页 |
| 3.4 数值试验 | 第38-42页 |
| 3.4.1 训练样本参数说明 | 第38-40页 |
| 3.4.2 模型异常检测验证 | 第40-41页 |
| 3.4.3 CHMM与其他模型性能对比 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于K-means算法的CHMM低碳异常检测方法 | 第43-51页 |
| 4.1 引言 | 第43页 |
| 4.2 基于K-means算法的CHMM初始化 | 第43-48页 |
| 4.2.1 K-means算法简单介绍 | 第43-46页 |
| 4.2.2 CHMM初始化 | 第46-48页 |
| 4.3 数值试验 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于K-means的CHMM低碳异常检测方法在轮胎制造过程中的应用 | 第51-62页 |
| 5.1 引言 | 第51-52页 |
| 5.2 轮胎生产工艺流程及其能耗情况 | 第52-56页 |
| 5.2.1 轮胎生产工艺过程 | 第52-54页 |
| 5.2.2 轮胎生产硫化工艺能耗研究 | 第54-56页 |
| 5.3 基于K-means的CHMM低碳异常检测方法的应用 | 第56-60页 |
| 5.3.1 模型应用 | 第57-58页 |
| 5.3.2 仿真模型验证 | 第58-60页 |
| 5.4 本章小结 | 第60-62页 |
| 总结与展望 | 第62-64页 |
| 总结 | 第62页 |
| 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
