| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 符号说明 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·故障诊断算法的研究现状 | 第11-12页 |
| ·模糊支持向量机的研究现状 | 第12-14页 |
| ·本文主要工作及章节安排 | 第14-16页 |
| 第二章 支持向量机 | 第16-32页 |
| ·统计学理论基础 | 第16-22页 |
| ·学习问题的表示 | 第16页 |
| ·期望风险与经验风险 | 第16-17页 |
| ·学习过程一致性的条件 | 第17-18页 |
| ·VC 维理论 | 第18-19页 |
| ·推广性的界 | 第19-21页 |
| ·结构风险最小化 | 第21-22页 |
| ·支持向量机原理 | 第22-28页 |
| ·线性可分 | 第23-25页 |
| ·线性不可分 | 第25-26页 |
| ·核函数 | 第26-27页 |
| ·多分类算法 | 第27-28页 |
| ·模糊支持向量机 | 第28-31页 |
| ·模糊集 | 第28页 |
| ·模糊隶属度 | 第28-29页 |
| ·模糊支持向量机的建立 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于双层 FSVM 网络结构的故障诊断模型 | 第32-38页 |
| ·液压系统故障机理分析 | 第32-34页 |
| ·故障诊断系统整体设计 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 改进的模糊支持向量机算法 | 第38-54页 |
| ·模糊支持向量机训练算法 | 第38-44页 |
| ·SMO 算法原理 | 第40-41页 |
| ·自适应 SMO 训练算法 | 第41-43页 |
| ·实验分析 | 第43-44页 |
| ·模糊支持向量机参数优化 | 第44-53页 |
| ·参数性能分析 | 第44-45页 |
| ·分类性能评价函数 | 第45页 |
| ·参数优化算法简介 | 第45-47页 |
| ·改进的模拟退火遗传算法 | 第47-50页 |
| ·实验分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于双层模糊支持向量机的故障诊断实验 | 第54-68页 |
| ·故障特征提取 | 第54-59页 |
| ·基于小波包变换的振动噪声处理 | 第54-58页 |
| ·信号的归一化处理 | 第58-59页 |
| ·模糊隶属度 | 第59-61页 |
| ·核函数的选取 | 第61-62页 |
| ·模糊诊断规则 | 第62-63页 |
| ·用户图形界面设计 | 第63-65页 |
| ·实验结果分析 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |