| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题相关背景与应用价值 | 第10页 |
| 1.2 故障检测的研究现状 | 第10-11页 |
| 1.3 流形学习的研究现状 | 第11-13页 |
| 1.4 目前存在的问题 | 第13页 |
| 1.5 本文主要研究内容 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第二章 数据降维与流形学习 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 数据降维 | 第15-16页 |
| 2.3 本征维数估计 | 第16-17页 |
| 2.4 流形和流形学习 | 第17-19页 |
| 2.5 扩散映射 | 第19-23页 |
| 2.5.1 扩散映射原理 | 第19-23页 |
| 2.5.2 扩散映射降维 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于扩散映射的支持向量机的故障检测 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 支持向量机 | 第24-29页 |
| 3.2.1 硬边界分类 | 第25-27页 |
| 3.2.2 软边界分类 | 第27-29页 |
| 3.2.3 非线性分类 | 第29页 |
| 3.3 人工鱼群算法 | 第29-32页 |
| 3.3.1 人工鱼群算法的基本原理 | 第30页 |
| 3.3.2 人工鱼的基本行为描述 | 第30-31页 |
| 3.3.3 人工鱼群算法流程图 | 第31-32页 |
| 3.4 扩散映射与SVM相结合的故障检测 | 第32-33页 |
| 3.5 TE过程下的仿真 | 第33-38页 |
| 3.5.1 TE过程模型介绍 | 第33-37页 |
| 3.5.2 仿真分析 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于马氏距离度量学习的扩散映射算法 | 第39-52页 |
| 4.1 引言 | 第39页 |
| 4.2 马氏距离的度量学习 | 第39-42页 |
| 4.3 基于马氏度量学习的扩散映射算法的SVM的故障检测 | 第42-44页 |
| 4.3.1 基于马氏距离度量学习的扩散映射算法 | 第42-43页 |
| 4.3.2 故障检测流程图 | 第43-44页 |
| 4.4 TE过程下的仿真 | 第44-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58页 |