| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究的目的及意义 | 第10-11页 |
| ·不均衡问题的研究现状 | 第11-13页 |
| ·基于数据角度的解决方案 | 第11-12页 |
| ·基于算法角度的解决方案 | 第12-13页 |
| ·故障诊断的研究现状 | 第13-14页 |
| ·论文所完成工作以及结构 | 第14-16页 |
| 第2章 基于支持向量机不均衡数据分类的基本概述 | 第16-29页 |
| ·支持向量机 | 第16-21页 |
| ·线性支持向量机 | 第16-19页 |
| ·非线性支持向量机 | 第19-21页 |
| ·不均衡分类问题的本质及其影响 | 第21-23页 |
| ·聚类 | 第23-27页 |
| ·聚类的相似度衡量 | 第23-26页 |
| ·典型的聚类算法 | 第26-27页 |
| ·不均衡分类问题的性能指标 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于核聚类欠取样集成的不均衡数据 SVM 算法 | 第29-49页 |
| ·不均衡数据下的 SVM 算法的分类情况 | 第30-31页 |
| ·采样算法 | 第31-33页 |
| ·核聚类 SVM 算法 | 第33-35页 |
| ·ADABOOST 集成算法 | 第35-38页 |
| ·核聚类欠采样集成 SVM 算法复杂度的分析 | 第38-39页 |
| ·实验分析 | 第39-48页 |
| ·实验数据的选取 | 第39页 |
| ·不同数据预处理算法的分类性能比较 | 第39-42页 |
| ·不同比例下不均衡数据分类性能比较 | 第42-43页 |
| ·不同不均衡数据集成分类算法性能比较 | 第43-47页 |
| ·不同比例下不同算法的效率比较 | 第47-48页 |
| ·本章小节 | 第48-49页 |
| 第4章 基于样本特性欠取样不均衡 SVM 算法 | 第49-55页 |
| ·基于样本特性的欠采样方法 | 第49-50页 |
| ·基于样本特性欠采样不均衡 SVM 算法复杂度 | 第50页 |
| ·实验部分 | 第50-54页 |
| ·处理不均衡数据的分类情况 | 第50-51页 |
| ·实验数据的选取 | 第51页 |
| ·不同算法分类性能的比较 | 第51-53页 |
| ·高斯核半径对算法性能的影响 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于不均衡 SVM 算法的故障检测问题研究 | 第55-62页 |
| ·相空间的重构 | 第55-58页 |
| ·时间延迟参数的确定 | 第56-57页 |
| ·故障信号的特征提出 | 第57-58页 |
| ·故障诊断模型 | 第58页 |
| ·实验 | 第58-61页 |
| ·实验数据 | 第58-59页 |
| ·故障数据测试 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-70页 |
| 致谢 | 第70页 |