| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 符号对照表 | 第6-9页 |
| 1 引言 | 第9-13页 |
| 1.1 课题背景及研究意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 改进的SVM研究现状 | 第9-10页 |
| 1.2.2 参数寻优提高分类器性能研究现状 | 第10页 |
| 1.2.3 基于知识的支持向量机研究现状 | 第10-11页 |
| 1.3 本文的主要工作 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 2 研究基础 | 第13-15页 |
| 2.1 临近支持向量机 | 第13页 |
| 2.2 基于知识的临近支持向量机 | 第13-14页 |
| 2.3 本章小结 | 第14-15页 |
| 3 基于超球体的临近支持向量机 | 第15-31页 |
| 3.1 超球体理论概述 | 第15-16页 |
| 3.2 基于普通超球体的临近支持向量机实现 | 第16-20页 |
| 3.2.1 基于超球体临近支持向量机理论实现 | 第16-18页 |
| 3.2.2 基于普通超球体的临近支持向量机算法实现 | 第18-20页 |
| 3.3 数据集选择 | 第20-21页 |
| 3.4 O-PSSVM算法实验评估 | 第21-30页 |
| 3.4.1 实验过程 | 第21-22页 |
| 3.4.2 实验结果与分析 | 第22-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于SVDD超球体的临近支持向量机 | 第31-47页 |
| 4.1 SVDD-PSSVM | 第31-33页 |
| 4.1.1 SVDD超球体的构建 | 第31-32页 |
| 4.1.2 算法实现 | 第32-33页 |
| 4.2 SVDD-PSSVM算法实验评估 | 第33-46页 |
| 4.2.1 实验过程 | 第33-35页 |
| 4.2.2 实验结果与分析 | 第35-46页 |
| 4.3 本章小结 | 第46-47页 |
| 5 基于马氏距离超球体的临近支持向量机 | 第47-63页 |
| 5.1 M-PSSVM | 第47-48页 |
| 5.1.1 马氏距离超球体的构建 | 第47-48页 |
| 5.1.2 算法实现 | 第48页 |
| 5.2 M-PSSVM算法实验评估 | 第48-62页 |
| 5.3.1 实验过程 | 第49-50页 |
| 5.3.2 实验结果与分析 | 第50-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 列车空调故障诊断 | 第63-69页 |
| 6.1 列车空调故障诊断背景和研究现状 | 第63页 |
| 6.2 基于SVDD-PSSVM的列车空调机组单标签故障诊断方法 | 第63-66页 |
| 6.2.1 列车空调机组故障单标签的训练方案 | 第64-65页 |
| 6.2.2 列车空调机组故障单标签的测试方案 | 第65-66页 |
| 6.2.3 实验评估 | 第66页 |
| 6.3 基于SVDD-PSSVM的列车空调机组多标签故障诊断方法 | 第66-68页 |
| 6.3.1 列车空调机组故障多标签的训练方案 | 第66-67页 |
| 6.3.2 列车空调机组故障多标签的测试方案 | 第67-68页 |
| 6.3.3 实验评估 | 第68页 |
| 6.4 本章小结 | 第68-69页 |
| 7 总结与展望 | 第69-71页 |
| 7.1 总结 | 第69-70页 |
| 7.2 展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 硕士期间研究成果 | 第77页 |
