| 创新点摘要 | 第5-6页 |
| 摘要 | 第6-8页 |
| 英文摘要 | 第8-9页 |
| 第1章 绪论 | 第14-31页 |
| 1.1 复杂网络社团探测理论的研究背景与意义 | 第14-21页 |
| 1.2 船舶柴油机故障诊断方法的研究背景与意义 | 第21-29页 |
| 1.3 论文的主要研究内容与组织结构 | 第29-31页 |
| 第2章 相关基础理论 | 第31-49页 |
| 2.1 复杂网络的定义与分类 | 第31-33页 |
| 2.2 复杂网络中的社团结构 | 第33-41页 |
| 2.2.1 复杂网络理论中的社团定义 | 第33-34页 |
| 2.2.2 几类社团探测方法 | 第34-38页 |
| 2.2.3 检测社团探测方法性能使用的几种网络 | 第38-40页 |
| 2.2.4 社团探测精度的衡量 | 第40-41页 |
| 2.3 复杂网络社团探测与故障诊断问题 | 第41-45页 |
| 2.3.1 社团探测与聚类分析的关系 | 第42页 |
| 2.3.2 聚类分析方法解决故障诊断问题 | 第42-43页 |
| 2.3.3 社团探测与故障诊断问题的转化 | 第43-45页 |
| 2.4 几类社团探测方法对故障诊断的适用性分析 | 第45-48页 |
| 2.5 本章小结 | 第48-49页 |
| 第3章 Newman快速算法 | 第49-72页 |
| 3.1 Newman快速算法 | 第49-54页 |
| 3.2 Newman快速算法性能试验 | 第54-65页 |
| 3.2.1 计算机生成网络 | 第54-55页 |
| 3.2.2 空手道俱乐部网络 | 第55-58页 |
| 3.2.3 美国高校足球队网络 | 第58-61页 |
| 3.2.4 柴油机故障样本网络 | 第61-64页 |
| 3.2.5 Newman快速算法试验结论 | 第64-65页 |
| 3.3 Newman快速算法的改进 | 第65-68页 |
| 3.3.1 模块度增量矩阵分析 | 第65-67页 |
| 3.3.2 CNM算法 | 第67-68页 |
| 3.4 Newman快速算法在实际故障诊断应用中的优势与不足 | 第68-70页 |
| 3.5 本章小结 | 第70-72页 |
| 第4章 基于Newman快速算法的船舶柴油机故障诊断 | 第72-94页 |
| 4.1 引言 | 第72页 |
| 4.2 基于Newman快速算法的聚类方法模型 | 第72-76页 |
| 4.2.1 网络构建 | 第73-74页 |
| 4.2.2 准则函数 | 第74-76页 |
| 4.3 网络简化策略 | 第76-77页 |
| 4.3.1 网络稀疏化 | 第76-77页 |
| 4.3.2 初始聚类 | 第77页 |
| 4.4 故障诊断原理与流程 | 第77-80页 |
| 4.4.1 故障诊断原理 | 第77-78页 |
| 4.4.2 故障诊断流程 | 第78-80页 |
| 4.5 故障诊断应用实例 | 第80-89页 |
| 4.5.1 故障样本来源 | 第83-84页 |
| 4.5.2 故障数据聚类分析 | 第84-88页 |
| 4.5.3 故障模式识别 | 第88-89页 |
| 4.6 影响因素试验 | 第89-93页 |
| 4.6.1 边阈值与初分类阈值对分类正确率的影响 | 第90-92页 |
| 4.6.2 相似度系数对分类正确率的影响 | 第92-93页 |
| 4.7 本章小结 | 第93-94页 |
| 第5章 标签传播算法的推广 | 第94-112页 |
| 5.1 标签传播算法 | 第94-96页 |
| 5.2 加权标签传播算法(WLPA) | 第96-99页 |
| 5.2.1 加权标签传播规则 | 第97-99页 |
| 5.2.2 加权终止条件 | 第99页 |
| 5.3 推广后标签传播算法描述 | 第99-100页 |
| 5.4 WLPA解的整合 | 第100-101页 |
| 5.5 WLPA性能试验 | 第101-110页 |
| 5.5.1 计算机生成网络 | 第101-103页 |
| 5.5.2 空手道俱乐部网络 | 第103-106页 |
| 5.5.3 美国高校足球队网络 | 第106-108页 |
| 5.5.4 柴油机故障样本网络 | 第108-110页 |
| 5.6 推广标签传播算法对故障诊断工作的实际意义 | 第110-111页 |
| 5.7 本章小结 | 第111-112页 |
| 第6章 基于逾渗转变预测过程的标签传播算法 | 第112-139页 |
| 6.1 引言 | 第112-113页 |
| 6.2 标签传播算法的平凡解 | 第113-115页 |
| 6.3 逾渗转变的预测 | 第115-120页 |
| 6.4 不完全更新条件 | 第120-122页 |
| 6.5 结合预测过程与不完全更新过程的标签传播算法描述 | 第122-123页 |
| 6.6 LPAp性能试验 | 第123-135页 |
| 6.6.1 计算机生成网络 | 第123-130页 |
| 6.6.2 真实网络 | 第130-135页 |
| 6.7 改进标签传播算法对故障诊断工作的实际意义 | 第135-137页 |
| 6.8 本章小结 | 第137-139页 |
| 第7章 基于多次标签传播的船舶柴油机故障诊断 | 第139-158页 |
| 7.1 引言 | 第139页 |
| 7.2 基于标签传播的聚类方法模型 | 第139-143页 |
| 7.2.1 网络构建 | 第140-141页 |
| 7.2.2 聚类准则 | 第141-143页 |
| 7.3 多次聚类 | 第143-144页 |
| 7.4 故障诊断原理和流程 | 第144-146页 |
| 7.4.1 故障诊断原理 | 第144页 |
| 7.4.2 故障诊断流程 | 第144-146页 |
| 7.5 故障诊断应用实例 | 第146-154页 |
| 7.5.1 故障样本来源 | 第146页 |
| 7.5.2 故障数据聚类分析 | 第146-150页 |
| 7.5.3 故障模式识别 | 第150-154页 |
| 7.6 影响因素试验 | 第154-157页 |
| 7.6.1 迭代次数 | 第154-155页 |
| 7.6.2 相似度系数 | 第155-157页 |
| 7.6.3 传播次数 | 第157页 |
| 7.7 本章小结 | 第157-158页 |
| 结论与展望 | 第158-161页 |
| 参考文献 | 第161-171页 |
| 攻读学位期间公开发表论文 | 第171-172页 |
| 攻读学位期间科研成果 | 第172-173页 |
| 致谢 | 第173-174页 |
| 作者简介 | 第174页 |
