Bayes网络在故障诊断中的应用
| 第一章 绪论 | 第1-13页 |
| ·故障诊断的发展及现状 | 第7-8页 |
| ·故障诊断过程简介 | 第8-10页 |
| ·故障诊断过程简介 | 第8-9页 |
| ·机械故障诊断的一般过程 | 第9-10页 |
| ·旋转机械常见的故障类型 | 第10-12页 |
| ·本文的主要工作 | 第12-13页 |
| 第二章 基于数据挖掘方法的故障诊断思想 | 第13-19页 |
| ·数据挖掘研究的历史和现状 | 第13页 |
| ·数据挖掘的定义及其发展过程 | 第13-14页 |
| ·数据挖掘的一般过程 | 第14-15页 |
| ·数据挖掘的常用技术 | 第15-16页 |
| ·数据挖掘的功能 | 第16-17页 |
| ·数据挖掘与统计学的关系 | 第17页 |
| ·Bayes网络用于数据挖掘 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于Bayes网络的故障诊断方法 | 第19-27页 |
| ·前言 | 第19页 |
| ·Bayes统计的发展 | 第19-21页 |
| ·Bayes网络的发展及现状 | 第21-23页 |
| ·Bayes网络概述 | 第21页 |
| ·贝叶斯网络的发展及现状 | 第21-23页 |
| ·Bayes网络与神经网络的关系 | 第23页 |
| ·应用贝叶斯网络进行故障诊断的优势 | 第23-24页 |
| ·系统的总体结构及基本思想 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 Bayes网络的组建及学习 | 第27-45页 |
| ·前言 | 第27页 |
| ·组建用于故障诊断的Bayes网络 | 第27-30页 |
| ·关于贝叶斯网络的几个基本概念 | 第27页 |
| ·组建贝叶斯网络 | 第27-30页 |
| ·贝叶斯网络学习 | 第30-35页 |
| ·贝叶斯网络学习概述 | 第30-32页 |
| ·基于完整数据的贝叶斯网络学习 | 第32-34页 |
| ·最大似然估计(MLE)法则 | 第32-33页 |
| ·最大后验估计(MAP)法则 | 第33-34页 |
| ·基于不完整数据的贝叶斯网络学习 | 第34-35页 |
| ·贝叶斯网络学习的实例分析 | 第35-43页 |
| ·获得训练样本数据 | 第35-38页 |
| ·初始化贝叶斯网络的CPT表 | 第38-39页 |
| ·学习结果 | 第39-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 Bayes网络在故障诊断中的应用 | 第45-55页 |
| ·前言 | 第45页 |
| ·贝叶斯网络模型QMR简介 | 第45-46页 |
| ·故障后验概率的计算 | 第46-51页 |
| ·一种简化推论法则 | 第47-50页 |
| ·Stochastic方法 | 第50-51页 |
| ·实例验证 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 系统的软件实现 | 第55-62页 |
| ·前言 | 第55页 |
| ·系统的背景知识 | 第55-56页 |
| ·开发系统的选择和简介 | 第56-57页 |
| ·操作系统的选择 | 第56页 |
| ·开发工具的选择 | 第56-57页 |
| ·组建贝叶斯网络模型 | 第57-58页 |
| ·贝叶斯网络模型的参数学习 | 第58-60页 |
| ·MLE法则流程图 | 第58页 |
| ·MAP法则流程图 | 第58-60页 |
| ·EM法则流程图 | 第60页 |
| ·简化推论法则流程图 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第七章 结论 | 第62-64页 |
| ·总结 | 第62页 |
| ·进一步的工作 | 第62-63页 |
| ·数据挖掘技术的展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
