数据挖掘在光纤故障诊断中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·论文的选题及其研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·数据挖掘技术的崛起 | 第11-12页 |
| ·论文研究背景 | 第12页 |
| ·论文研究内容及组织 | 第12-14页 |
| 第2章 光纤故障诊断及数据挖掘技术 | 第14-24页 |
| ·故障诊断技术概述 | 第14-15页 |
| ·故障诊断技术的分类 | 第14-15页 |
| ·故障诊断技术的研究方法及内容 | 第15页 |
| ·光纤故障诊断技术 | 第15-17页 |
| ·光纤故障诊断的研究意义及必要性 | 第15-16页 |
| ·光纤故障诊断的研究方法和进展 | 第16-17页 |
| ·数据挖掘技术 | 第17-23页 |
| ·数据挖掘处理过程模型 | 第18-19页 |
| ·数据挖掘的功能 | 第19-20页 |
| ·数据挖掘的步骤 | 第20-22页 |
| ·数据挖掘的常用方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 BP 神经网络算法及其改进 | 第24-36页 |
| ·人工神经网络理论 | 第24-26页 |
| ·人工神经网络的优点 | 第24-25页 |
| ·人工神经元模型 | 第25-26页 |
| ·BP 神经网络 | 第26-33页 |
| ·BP 神经网络概述 | 第26页 |
| ·BP 网络模型 | 第26-27页 |
| ·BP 神经网络的算法 | 第27-31页 |
| ·BP 神经网络算法的局限性 | 第31-33页 |
| ·BP 神经网络算法的改进 | 第33-35页 |
| ·加入动量项 | 第33页 |
| ·优化初使化权值 | 第33-34页 |
| ·改进训练样本的归一化方法 | 第34页 |
| ·隐含层个数的确定 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 光功率数据的采集及分析 | 第36-43页 |
| ·光功率监测及采集 | 第37-39页 |
| ·光功率数据分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 BP 网络在光纤故障诊断中的应用 | 第43-52页 |
| ·样本数据的选择及清理 | 第44-46页 |
| ·光功率样本数据预处理 | 第46-48页 |
| ·BP 网络层数的选择 | 第48-49页 |
| ·BP 网络训练 | 第49-50页 |
| ·结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 在学期间发表的学术论文和参加科研情况 | 第57-58页 |
| 致谢 | 第58-59页 |
| 详细摘要 | 第59-67页 |
