| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 论文的研究背景和意义 | 第13页 |
| 1.2 过程监测的研究内容和现状 | 第13-15页 |
| 1.3 现有过程监测中存在的问题 | 第15-16页 |
| 1.4 基于小样本的故障分类研究 | 第16-19页 |
| 1.4.1 模式识别概述 | 第17-18页 |
| 1.4.2 基于主动学习的故障分类 | 第18-19页 |
| 1.4.3 基于半监督学习的故障分类 | 第19页 |
| 1.5 本文研究内容及创新点 | 第19-23页 |
| 1.5.1 本文研究内容 | 第19页 |
| 1.5.2 各章节主要内容安排及创新点 | 第19-23页 |
| 第2章 基本方法介绍 | 第23-39页 |
| 2.1 引言 | 第23页 |
| 2.2 主动学习方法介绍 | 第23-26页 |
| 2.3 半监督学习方法介绍 | 第26-29页 |
| 2.4 不平衡数据分类方法介绍 | 第29-31页 |
| 2.5 基本分类方法 | 第31-36页 |
| 2.6 实验平台简介 | 第36-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第3章 基于主动学习和加权支持向量机的故障分类 | 第39-57页 |
| 3.1 引言 | 第39-40页 |
| 3.2 改进的BvSB主动学习 | 第40-45页 |
| 3.3 改进的加权支持向量机 | 第45-49页 |
| 3.4 算法描述 | 第49-50页 |
| 3.5 实验分析 | 第50-54页 |
| 3.5.1 实验设置 | 第50-51页 |
| 3.5.2 实验结果 | 第51-54页 |
| 3.6 本章小结 | 第54-57页 |
| 第4章 基于决策信息融合的半监督故障分类 | 第57-81页 |
| 4.1 引言 | 第57-58页 |
| 4.2 基于决策融合的半监督分类算法 | 第58-70页 |
| 4.2.1 基于改进贝叶斯决策融合的分类模型 | 第58-63页 |
| 4.2.2 半监督学习中训练集更新的充分条件 | 第63-67页 |
| 4.2.3 不平衡数据的SMOTE重采样 | 第67页 |
| 4.2.4 奇异标注点的剪辑 | 第67-68页 |
| 4.2.5 基于决策融合的半监督分类算法流程 | 第68-70页 |
| 4.3 集成主动学习和半监督学习的分类算法 | 第70-72页 |
| 4.3.1 融合动机 | 第70页 |
| 4.3.2 集成主动学习和半监督学习的分类算法流程 | 第70-72页 |
| 4.4 案例研究 | 第72-79页 |
| 4.4.1 基于改进贝叶斯决策融合的半监督分类算法仿真测试 | 第72-77页 |
| 4.4.2 集成主动学习和半监督学习的分类算法仿真测试 | 第77-79页 |
| 4.5 本章小结 | 第79-81页 |
| 第5章 总结与展望 | 第81-85页 |
| 5.1 本文研究内容的总结 | 第81-82页 |
| 5.2 未来工作的展望 | 第82-85页 |
| 参考文献 | 第85-91页 |
| 作者简介 | 第91页 |
| 作者在攻读硕士期间的主要成果 | 第91页 |
