| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 论文选题背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 研究现状与总结 | 第14-17页 |
| 1.2.1 国内外研究现状 | 第14-16页 |
| 1.2.2 总结与分析 | 第16-17页 |
| 1.3 主要研究工作 | 第17-18页 |
| 1.4 本文组织架构与章节安排 | 第18-20页 |
| 第二章 基于经验模态分解与样本熵的异常特征提取方法 | 第20-37页 |
| 2.1 卫星时序遥测数据特征 | 第20-21页 |
| 2.2 数据处理 | 第21-25页 |
| 2.2.1 数据清洗 | 第21-23页 |
| 2.2.2 Donoho小波阈值去噪 | 第23-24页 |
| 2.2.3 改进的平移不变小波变换 | 第24-25页 |
| 2.3 基于小波方差的参数周期性分析 | 第25-26页 |
| 2.4 基于经验模态分解与样本熵的遥测数据异常特征提取算法 | 第26-29页 |
| 2.4.1 经验模态分解 | 第26-27页 |
| 2.4.2 样本熵 | 第27-29页 |
| 2.5 EMD-SE异常特征提取算法描述 | 第29-31页 |
| 2.6 实验分析 | 第31-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第三章 基于短期预测和动态阈值遥测单参数异常检测方法 | 第37-66页 |
| 3.1 问题提出 | 第37-38页 |
| 3.2 短期预测方法 | 第38-42页 |
| 3.2.1 极限学习机 | 第38-39页 |
| 3.2.2 核极限学习机 | 第39-42页 |
| 3.3 动态阈值区间构造方法 | 第42-46页 |
| 3.3.1 自助抽样法 | 第42-43页 |
| 3.3.2 比例系数法 | 第43-44页 |
| 3.3.3 差分进化算法 | 第44-46页 |
| 3.4 评价指标 | 第46-49页 |
| 3.4.1 区间覆盖率 | 第46-47页 |
| 3.4.2 区间平均宽度百分比 | 第47页 |
| 3.4.3 平均带宽误差 | 第47-48页 |
| 3.4.4 异常检测综合指标ADAI | 第48-49页 |
| 3.5 DE-PCM-OKELM单参数异常检测算法描述 | 第49-54页 |
| 3.6 实验分析 | 第54-65页 |
| 3.6.1 参数优化 | 第54-56页 |
| 3.6.2 短期预测模型分析 | 第56-57页 |
| 3.6.3 异常检测算法分析 | 第57-65页 |
| 3.7 本章小结 | 第65-66页 |
| 第四章 基于角度偏离的遥测多参数异常检测方法 | 第66-86页 |
| 4.1 问题提出 | 第66-67页 |
| 4.2 基于角度偏离的遥测多参数异常检测方法 | 第67-72页 |
| 4.2.1 构建相关数据集空间 | 第67-68页 |
| 4.2.2 筛选特征属性 | 第68-71页 |
| 4.2.3 计算异常检测值 | 第71-72页 |
| 4.3 ADMAD多参数异常检测算法描述 | 第72-74页 |
| 4.4 评价指标 | 第74-75页 |
| 4.5 实验分析 | 第75-85页 |
| 4.5.1 模型参数选择分析 | 第75-79页 |
| 4.5.2 属性选择算法分析 | 第79-82页 |
| 4.5.3 异常检测算法分析 | 第82-85页 |
| 4.6 本章小结 | 第85-86页 |
| 第五章 总结与展望 | 第86-88页 |
| 5.1 总结 | 第86-87页 |
| 5.2 展望 | 第87-88页 |
| 参考文献 | 第88-97页 |
| 致谢 | 第97-98页 |
| 在学期间的研究成果及发表的学术论文 | 第98页 |
