创新点摘要 | 第1-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-13页 |
第1章 绪论 | 第13-23页 |
·课题背景 | 第13-15页 |
·课题来源 | 第13-14页 |
·课题意义 | 第14-15页 |
·模拟电路故障诊断研究现状 | 第15-20页 |
·本文使用方法 | 第20-21页 |
·本文章节安排 | 第21-23页 |
第2章 模拟电路特征向量提取方法 | 第23-41页 |
·傅里叶变换方法 | 第23-34页 |
·傅里叶变换 | 第23-25页 |
·提取特征向量实例 | 第25-34页 |
·小波包变换方法 | 第34-38页 |
·小波包变换方法 | 第34-35页 |
·提取特征向量实例 | 第35-38页 |
·节点电压法 | 第38-40页 |
·本章小结 | 第40-41页 |
第3章 AdaBoost集成学习算法与支持向量机的联系 | 第41-68页 |
·AdaBoost集成学习算法 | 第41-45页 |
·算法原理 | 第41-42页 |
·算法步骤 | 第42-45页 |
·支持向量机 | 第45-52页 |
·线性支持向量机 | 第45-47页 |
·非线性支持向量机 | 第47-50页 |
·支持向量机核函数 | 第50-52页 |
·Lp范数边界理论 | 第52-62页 |
·Lp范数意义 | 第52-53页 |
·Lp范数边界 | 第53-54页 |
·支持向量机边界理论 | 第54-55页 |
·AdaBoost集成学习算法边界理论 | 第55-61页 |
·优化目标 | 第61-62页 |
·AdaBoost集成学习算法与支持向量机分类器 | 第62-63页 |
·AdaBoost集成学习算法与支持向量机的联系 | 第63-64页 |
·本章小结 | 第64-68页 |
第4章 无穷维AdaBoost集成学习算法 | 第68-91页 |
·AdaBoost集成学习算法与支持向量机分类器 | 第69-71页 |
·AdaBoost集成学习算法分类器 | 第69-70页 |
·支持向量机分类器 | 第70-71页 |
·无穷维AdaBoost集成学习算法 | 第71-81页 |
·实现方法 | 第71-74页 |
·定义核函数 | 第74-78页 |
·算法步骤 | 第78-79页 |
·Stump核函数 | 第79-81页 |
·模拟电路故障诊断 | 第81-89页 |
·构建样本集 | 第81-83页 |
·故障诊断结果 | 第83-85页 |
·诊断实际电路 | 第85-87页 |
·无穷维AdaBoost学习方法与其他算法对比 | 第87-89页 |
·本章小结 | 第89-91页 |
第5章 船用柴油机油耗仪表及其模拟电路故障诊断 | 第91-114页 |
·船用柴油机油耗仪表 | 第93-107页 |
·仪表方案 | 第93-94页 |
·仪表功能 | 第94-97页 |
·系统开发环境 | 第97-99页 |
·流量测量原理 | 第99-101页 |
·温度测量原理 | 第101页 |
·系统实物 | 第101-107页 |
·模拟电路故障诊断 | 第107-110页 |
·模拟测试 | 第110-113页 |
·本章小结 | 第113-114页 |
第6章 结论与展望 | 第114-117页 |
参考文献 | 第117-127页 |
附录A 符号说明 | 第127-130页 |
附录B"三峡库区运输船舶节能实用技术研究"验收结果 | 第130-131页 |
攻读学位期间公开发表论文 | 第131-132页 |
致谢 | 第132页 |