基于粗糙集和支持向量机的智能故障诊断方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题的背景及意义 | 第7-8页 |
| ·智能故障诊断概述 | 第8-9页 |
| ·支持向量机在故障诊断中的研究现状 | 第9-10页 |
| ·粗糙集在故障诊断中的研究现状 | 第10-11页 |
| ·本文主要研究内容 | 第11-13页 |
| 第二章 粗糙集中连续属性的离散化 | 第13-23页 |
| ·引言 | 第13页 |
| ·粗糙集理论概述 | 第13-17页 |
| ·知识的含义与表示 | 第13-14页 |
| ·不精确范畴和近似集 | 第14-15页 |
| ·属性的依赖性和重要性 | 第15-16页 |
| ·属性约简与决策规则 | 第16-17页 |
| ·连续属性的离散化 | 第17-18页 |
| ·问题的描述 | 第17页 |
| ·常用的离散化方法 | 第17-18页 |
| ·基于区间数据分布特征的离散化方法 | 第18-21页 |
| ·断点选择及区间合并 | 第19页 |
| ·算法的实现步骤 | 第19-20页 |
| ·实例分析与比较 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 数据的属性约简算法研究 | 第23-31页 |
| ·引言 | 第23页 |
| ·约简的基本算法 | 第23-24页 |
| ·基于属性重要度的约简 | 第24-26页 |
| ·属性重要度的计算 | 第24-25页 |
| ·约简算法 | 第25-26页 |
| ·基于差别矩阵的启发式约简算法 | 第26-30页 |
| ·差别矩阵 | 第26-27页 |
| ·启发式约简算法 | 第27-28页 |
| ·实例分析与比较 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 支持向量分类机 | 第31-41页 |
| ·引言 | 第31页 |
| ·统计学习理论与支持向量机 | 第31-34页 |
| ·VC 维 | 第31-32页 |
| ·推广性的界 | 第32页 |
| ·结构风险最小化 | 第32-33页 |
| ·核函数 | 第33-34页 |
| ·支持向量机的两分类问题 | 第34-36页 |
| ·线性情形 | 第34-35页 |
| ·非线性情形 | 第35-36页 |
| ·支持向量机的多分类问题 | 第36-40页 |
| ·一对一方法 | 第36-37页 |
| ·一对余方法 | 第37页 |
| ·决策导向无环图 | 第37-38页 |
| ·多分类算法性能分析 | 第38-39页 |
| ·仿真比较 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于粗糙集和支持向量机的柴油机故障诊断 | 第41-48页 |
| ·引言 | 第41页 |
| ·诊断模型的建立 | 第41-43页 |
| ·基本思想 | 第41-42页 |
| ·方法与步骤 | 第42-43页 |
| ·柴油机故障诊断分析 | 第43-47页 |
| ·信号的获取 | 第43-44页 |
| ·故障特征提取 | 第44-46页 |
| ·分类器的构造及实验分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-49页 |
| ·工作总结 | 第48页 |
| ·展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第53页 |
