| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究的背景和意义 | 第9-10页 |
| ·目前国内外研究现状 | 第10页 |
| ·故障模式识别技术的研究现状 | 第10-11页 |
| ·论文的主要内容和结构 | 第11-13页 |
| 第二章 聚类基本理论 | 第13-25页 |
| ·数据预处理 | 第13-15页 |
| ·中心化 | 第13-14页 |
| ·标准化 | 第14-15页 |
| ·归一化 | 第15页 |
| ·特征提取 | 第15-22页 |
| ·特征评判标准 | 第15-18页 |
| ·特征提取方法评述 | 第18-22页 |
| ·相似性衡量尺度 | 第22-24页 |
| ·距离 | 第22-23页 |
| ·相似系数 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于静态样本的动态聚类方法 | 第25-33页 |
| ·模糊c均值聚类方法 | 第25-26页 |
| ·迭代自组织数据分析算法(ISODATA算法) | 第26-29页 |
| ·无监督最优模糊聚类算法(一种改进的模糊c均值聚类方法) | 第29-31页 |
| ·实验仿真与结果分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于动态样本的动态模式识别方法 | 第33-51页 |
| ·递归神经网络 | 第33-35页 |
| ·动态时间归整法 | 第35-36页 |
| ·隐马尔可夫模型算法 | 第36-37页 |
| ·动态模糊模式识别 | 第37-39页 |
| ·逐点相似比较法 | 第37-38页 |
| ·定义逐点相似性的隶属度函数选择 | 第38-39页 |
| ·逐点相似性的集合算子的选择 | 第39页 |
| ·基于动态样本特征提取的动态模式识别方法 | 第39-49页 |
| ·小波分析 | 第40-41页 |
| ·无监督最优模糊聚类算法 | 第41页 |
| ·实例研究与分析 | 第41-49页 |
| ·对基于小波分析与无监督最优模糊聚类的故障诊断方法的改进 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文 | 第57-58页 |
| 致谢 | 第58页 |