贝叶斯推理在动力环境监控系统中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·研究历史及现状 | 第9-11页 |
| ·研究目的和意义 | 第11-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 2 抽样与预测 | 第14-18页 |
| ·抽样方法 | 第14-16页 |
| ·抽样方法的分类 | 第14页 |
| ·常见抽样方法及简要分析 | 第14-16页 |
| ·预测方法 | 第16-18页 |
| ·预测的意义 | 第16页 |
| ·常见预测方法及简要分析 | 第16-18页 |
| 3 贝叶斯推理 | 第18-35页 |
| ·故障预测中的不确定性 | 第18-19页 |
| ·概率理论基础 | 第19-22页 |
| ·基本概念 | 第19-20页 |
| ·贝叶斯公式 | 第20-21页 |
| ·正态分布 | 第21页 |
| ·置信区间 | 第21-22页 |
| ·贝叶斯估计 | 第22页 |
| ·贝叶斯网络模型 | 第22-28页 |
| ·贝叶斯理论的发展历史 | 第22-23页 |
| ·贝叶斯网络及图模型 | 第23-25页 |
| ·贝叶斯网络的特点及优点 | 第25-27页 |
| ·朴素贝叶斯分类器模型 | 第27-28页 |
| ·贝叶斯推理技术 | 第28-35页 |
| ·动态贝叶斯网络 | 第28-29页 |
| ·贝叶斯网络结构的学习 | 第29页 |
| ·贝叶斯网络参数的学习 | 第29-30页 |
| ·贝叶斯网络预测 | 第30-31页 |
| ·贝叶斯网络推理 | 第31-33页 |
| ·朴素贝叶斯分类器工作过程 | 第33-35页 |
| 4 动力环境监控系统 | 第35-41页 |
| ·系统组成及监控对象 | 第35-36页 |
| ·系统数据采集及处理 | 第36页 |
| ·非智能化系统的问题 | 第36-38页 |
| ·系统的优化 | 第38-41页 |
| 5 贝叶斯推理在监控系统中的应用 | 第41-63页 |
| ·参数更新算法 | 第41-49页 |
| ·MCMC 方法 | 第41-42页 |
| ·Gibbs 抽样方法 | 第42-43页 |
| ·粒子滤波算法 | 第43-44页 |
| ·自适应滤波算法 | 第44-45页 |
| ·预测算法的改进 | 第45-49页 |
| ·监控系统中的贝叶斯推理 | 第49-54页 |
| ·贝叶斯网络的建模 | 第49-50页 |
| ·推理网络结构的学习 | 第50-51页 |
| ·推理网络参数的学习 | 第51-52页 |
| ·推理过程的实现 | 第52-54页 |
| ·软件系统仿真 | 第54-63页 |
| ·告警区间的划分 | 第54页 |
| ·数据及参数的选择 | 第54-56页 |
| ·软件仿真测试 | 第56-60页 |
| ·系统比较与分析 | 第60-63页 |
| 6 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |
