流形算法及其水电机组噪声源检测
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·水电机组噪声源检测的意义 | 第9-10页 |
| ·流形学习与故障检测 | 第10-14页 |
| ·流形学习的概念 | 第10-11页 |
| ·流形学习方法在故障检测上的研究状况 | 第11-14页 |
| ·流形学习在水电机组噪声源检测中的应用潜力 | 第14-15页 |
| ·研究内容与结构安排 | 第15-17页 |
| 第2章 水电机组噪声源信号提取及其去噪方法 | 第17-24页 |
| ·水电机组噪声源噪声信号分析 | 第17-19页 |
| ·水电机组振动噪声信号特点分析 | 第17-18页 |
| ·水电机组异常振动噪声产生原因分析 | 第18-19页 |
| ·基于小波分析理论的去噪方法 | 第19-23页 |
| ·傅立叶变换 | 第20-21页 |
| ·小波变换 | 第21-22页 |
| ·小波去噪 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 适于线性系统在线学习的流形学习算法研究 | 第24-35页 |
| ·几种代表性的流形学习算法 | 第24-26页 |
| ·主成分分析 | 第24页 |
| ·Fisher判别分析 | 第24-25页 |
| ·类内特性保持的Fisher判别分析法 | 第25-26页 |
| ·基于QR分解的线性判别分析法 | 第26-28页 |
| ·在线学习问题 | 第26-27页 |
| ·基于QR分解的降维算法的描述 | 第27-28页 |
| ·增量式类内局部保持降维算法 | 第28-31页 |
| ·增量式类内局部保持降维算法的描述 | 第28-30页 |
| ·增量式类内局部保持降维算法复杂度分析 | 第30-31页 |
| ·算法性能仿真实验 | 第31-34页 |
| ·分类性能实验 | 第31-33页 |
| ·增量方法与其批量方法在线学习性能比较 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第4章 适于非线性系统在线学习的流形学习算法研究 | 第35-44页 |
| ·核空间方法研究及应用 | 第35-37页 |
| ·核空间理论 | 第35页 |
| ·核Fisher判别分析法 | 第35-37页 |
| ·基于QR分解的核判别分析法 | 第37-38页 |
| ·基于QR分解的增量式核判别分析法 | 第38-41页 |
| ·基于QR分解的增量式核判别分析法算法描述 | 第38-40页 |
| ·基于QR分解的增量式核判别分析法复杂度分析 | 第40-41页 |
| ·算法性能仿真实验 | 第41-43页 |
| ·分类性能实验 | 第41-42页 |
| ·增量方法与其批量方法在线学习性能比较 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第5章 流形学习在水电机组噪声源检测中的应用 | 第44-51页 |
| ·水电机组噪声源类型分析 | 第44页 |
| ·水电机组噪声源在线检测实验 | 第44-50页 |
| ·水电机组噪声源在线检测步骤 | 第45-46页 |
| ·信号构建及预处理 | 第46-48页 |
| ·水电机组噪声源在线检测实验 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第6章 总结和展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间的科研成果 | 第57页 |
