| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第14-27页 |
| 1.1 课题来源 | 第14页 |
| 1.2 研究目的及意义 | 第14-16页 |
| 1.3 国内外研究概况及发展趋势 | 第16-24页 |
| 1.3.1 反面选择算法 | 第16-20页 |
| 1.3.2 人工免疫网络 | 第20-22页 |
| 1.3.3 克隆选择算法 | 第22-23页 |
| 1.3.4 其它人工免疫算法 | 第23页 |
| 1.3.5 人工免疫算法及其在故障诊断领域的发展趋势 | 第23-24页 |
| 1.4 论文的主要研究内容及章节安排 | 第24-27页 |
| 第2章 固定边界反面选择算法 | 第27-82页 |
| 2.1 引言 | 第27-29页 |
| 2.2 固定边界反面选择算法 | 第29-42页 |
| 2.2.1 FB-NSA 基本思想 | 第29-31页 |
| 2.2.2 外边界超立方体及其方位信息 | 第31-33页 |
| 2.2.3 FB-NSA 训练算法 | 第33-34页 |
| 2.2.4 FB-NSA 测试算法 | 第34-36页 |
| 2.2.5 FB-NSA 检测器的检测范围 | 第36-37页 |
| 2.2.6 FB-NSA 检测器的封闭性 | 第37-38页 |
| 2.2.7 FB-NSA 检测器的检测盲区 | 第38-39页 |
| 2.2.8 参数对 FB-NSA 的影响 | 第39-42页 |
| 2.3 精细固定边界反面选择算法 | 第42-45页 |
| 2.3.1 精细固定边界反面选择算法基本思想 | 第42-44页 |
| 2.3.2 FFB-NSA 训练算法 | 第44-45页 |
| 2.4 仿真实验 | 第45-81页 |
| 2.4.1 人造数据仿真 | 第46-60页 |
| 2.4.2 Iris 数据仿真 | 第60-81页 |
| 2.5 本章小结 | 第81-82页 |
| 第3章 小样本在线学习固定边界反面选择算法 | 第82-96页 |
| 3.1 引言 | 第82-83页 |
| 3.2 在线学习固定边界反面选择算法 | 第83-88页 |
| 3.2.1 OALFB-NSA 学习机理 | 第83-84页 |
| 3.2.2 OALFB-NSA 在线学习阈值 | 第84-85页 |
| 3.2.3 OALFB-NSA 的过学习与欠学习 | 第85-87页 |
| 3.2.4 OALFB-NSA 相关算法 | 第87-88页 |
| 3.3 仿真实验 | 第88-95页 |
| 3.3.1 人造数据仿真 | 第89-90页 |
| 3.3.2 Iris 数据仿真 | 第90-95页 |
| 3.4 本章小结 | 第95-96页 |
| 第4章 界面检测器 | 第96-131页 |
| 4.1 引言 | 第96-97页 |
| 4.2 基于边界样本的界面检测器 | 第97-107页 |
| 4.2.1 I-detector 基本思想 | 第97-98页 |
| 4.2.2 边界样本及其方位信息 | 第98-101页 |
| 4.2.3 I-detector 训练算法 | 第101-103页 |
| 4.2.4 I-detector 测试算法 | 第103页 |
| 4.2.5 I-detector 的检测范围 | 第103-104页 |
| 4.2.6 I-detector 的连续性 | 第104-105页 |
| 4.2.7 I-detector 的检测盲区 | 第105页 |
| 4.2.8 参数对 I-detector 的影响 | 第105-107页 |
| 4.3 基于约简边界样本的界面检测器 | 第107-109页 |
| 4.3.1 RI-detector 基本思想 | 第107-108页 |
| 4.3.2 RI-Detector 训练算法 | 第108-109页 |
| 4.4 仿真实验 | 第109-129页 |
| 4.4.1 人造数据仿真 | 第109-120页 |
| 4.4.2 Iris 数据仿真 | 第120-129页 |
| 4.5 本章小结 | 第129-131页 |
| 第5章 小样本在线学习界面检测器 | 第131-143页 |
| 5.1 引言 | 第131页 |
| 5.2 界面检测器在线学习算法 | 第131-137页 |
| 5.2.1 OALI-detector 学习机理 | 第131-132页 |
| 5.2.2 OALI-detector 在线学习阈值ζ | 第132-133页 |
| 5.2.3 OALI-detector 的过学习与欠学习 | 第133-136页 |
| 5.2.4 OALI-detector 相关算法 | 第136-137页 |
| 5.3 仿真实验 | 第137-142页 |
| 5.3.1 人造数据仿真 | 第137-138页 |
| 5.3.2 Iris 数据仿真 | 第138-142页 |
| 5.4 本章小结 | 第142-143页 |
| 第6章 基于疫苗机理的小样本在线学习界面检测器 | 第143-151页 |
| 6.1 引言 | 第143页 |
| 6.2 过学习与惰性疫苗 | 第143-144页 |
| 6.3 欠学习与活性疫苗 | 第144-145页 |
| 6.4 VOALI-detector 算法 | 第145-146页 |
| 6.5 仿真实验 | 第146-149页 |
| 6.5.1 基于惰性疫苗的小样本在线学习界面检测器 | 第146-148页 |
| 6.5.2 基于活性疫苗的小样本在线学习界面检测器 | 第148-149页 |
| 6.6 本章小结 | 第149-151页 |
| 第7章 小样本在线学习异常检测与故障诊断方法 | 第151-173页 |
| 7.1 引言 | 第151页 |
| 7.2 I-detector 的优势与存在问题 | 第151-153页 |
| 7.2.1 I-detector 的优势 | 第152页 |
| 7.2.2 I-detector 存在问题 | 第152-153页 |
| 7.3 自适应超环检测器 | 第153-159页 |
| 7.3.1 异常度与异常等级 | 第153-155页 |
| 7.3.2 AHr-detector 算法 | 第155-158页 |
| 7.3.3 AHr-detector 特点 | 第158-159页 |
| 7.4 仿真实验 | 第159-171页 |
| 7.4.1 轴承数据各类样本分布特点 | 第160-166页 |
| 7.4.2 仿真实验结果分析 | 第166-171页 |
| 7.5 本章小结 | 第171-173页 |
| 第8章 结论与展望 | 第173-176页 |
| 8.1 研究结论 | 第173-174页 |
| 8.2 研究展望 | 第174-176页 |
| 参考文献 | 第176-198页 |
| 作者在攻读博士学位期间发表的论文 | 第198-199页 |
| 作者在攻读博士学位期间参与的科研项目 | 第199-200页 |
| 致谢 | 第200-201页 |
