基于支持向量机的水电故障分类器的设计与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·水电仿真系统面临的问题 | 第10-12页 |
| ·水电仿真系统开发现状 | 第10-11页 |
| ·水电故障仿真的技术瓶颈 | 第11页 |
| ·传统水电故障仿真的缺陷 | 第11-12页 |
| ·数据挖掘和机器学习 | 第12-14页 |
| ·以挖掘代替推理的现实意义 | 第12页 |
| ·文本挖掘的研究现状 | 第12-13页 |
| ·支持向量机的发展 | 第13-14页 |
| ·故障文本的半监督学习 | 第14页 |
| ·本文研究内容与组织结构 | 第14-16页 |
| 第二章 水电故障文本分类 | 第16-28页 |
| ·文本分类概念 | 第16-17页 |
| ·文本表示 | 第17-18页 |
| ·文本特征 | 第17页 |
| ·向量空间模型 | 第17-18页 |
| ·文本特征提取 | 第18-21页 |
| ·特征选择 | 第18-20页 |
| ·特征项的权重 | 第20-21页 |
| ·文本分类方法 | 第21-25页 |
| ·朴素贝叶斯分类 | 第22-23页 |
| ·KNN(K最近邻居)算法 | 第23页 |
| ·支持向量机法 | 第23-24页 |
| ·决策树法 | 第24-25页 |
| ·文本分类评价体系 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 基于支持向量机的水电故障分类 | 第28-42页 |
| ·统计学习理论 | 第28-31页 |
| ·机器学习的基本问题 | 第28-29页 |
| ·VC维 | 第29-30页 |
| ·结构风险最小化原则 | 第30-31页 |
| ·学习过程一致性理论 | 第31页 |
| ·支持向量机 | 第31-37页 |
| ·最优超平面 | 第32-33页 |
| ·线性分类 | 第33-35页 |
| ·非线性分类 | 第35-36页 |
| ·核函数及其选择 | 第36-37页 |
| ·支持向量机分类算法 | 第37-38页 |
| ·支持向量机的多分类问题 | 第38-40页 |
| ·多分类支持向量机用于水电故障分类 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第四章 水电故障分类中的半监督学习 | 第42-50页 |
| ·半监督学习概述 | 第42页 |
| ·半监督算法 | 第42-45页 |
| ·EM算法 | 第42-43页 |
| ·Co-Training | 第43-44页 |
| ·直推式支持向量机 | 第44-45页 |
| ·半监督支持向量机 | 第45-46页 |
| ·改进的渐进直推式支持向量机算法 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 水电故障分类器的设计与实现 | 第50-60页 |
| ·设计思想 | 第50页 |
| ·总体结构设计 | 第50-51页 |
| ·系统实现 | 第51-54页 |
| ·实现环境 | 第51-52页 |
| ·故障文本数据 | 第52页 |
| ·中文分词与特征选择 | 第52-54页 |
| ·算法实现 | 第54页 |
| ·故障分类及性能测试 | 第54-59页 |
| ·故障分类结果及评价 | 第54-55页 |
| ·改进的直推式支持向量机算法性能测试 | 第55-58页 |
| ·水电故障分类器的实现 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·工作总结 | 第60页 |
| ·下一步工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士期间发表的论文 | 第68页 |
