第一章 状态监控体系、技术与方法概述 1
1.1 状态监控任务的要素与组成 1
1.2 信号处理技术 3
1.3 监控与决策方法简述 9
1.4 状态监控中的其它相关问题 14
1.5 本章小结 17
参考文献 18
第二章 模式识别理论的基本概念 23
2.1 模式识别的概念 23
2.2 模式识别系统 27
2.3 模式识别方法 29
2.4 模式识别和人工智能的关系 33
2.5 机器学习理论与方法概述 33
2.6 机械系统状态监测与识别的特点与要求 39
参考文献 41
第三章 贝叶斯决策理论与方法 42
3.1 引言 42
3.2 贝叶斯分类决策模型 42
3.3 贝叶斯分类决策的误差及估计 47
3.4 分类器设计 51
3.5 分类器的学习训练算法 55
3.6 贝叶斯决策应用实例——铣削颤振在线识别 66
3.7 本章小结 68
参考文献 69
第四章 聚类分析 70
4.1 引言 70
4.2 模式相似性测度 73
4.3 聚类准则 73
4.4 聚类方法 74
4.5 快速动态聚类算法 82
4.6 聚类分析、贝叶斯分类决策应用——减速箱状态监测 88
参考文献 92
4.7 本章小结 92
第五章 基于模糊集理论的识别方法 94
5.1 引言 94
5.2 模糊集理论简介 95
5.3 模糊识别信息的获取 99
5.4 模糊综合评判 105
5.5 基于识别算法的模糊识别 111
5.6 模糊聚类分析 116
5.7 柔性加工单元故障诊断的模糊综合决策 122
5.8 本章小结 125
参考文献 126
6.2 用于识别的神经网络研究历史回顾 127
6.1 引言 127
第六章 神经网络识别理论与模型 127
6.3 神经网络基本模型 130
6.4 神经网络分类器 140
6.5 模糊神经网络系统 155
6.6 神经网络识别模型及相关技术的发展 168
6.7 本章小结 170
参考文献 170
第七章子空间法模式识别 172
7.1 引言 172
7.2 基本思想 172
7.3 数学预备知识 174
7.4 K—L变换的数值计算 180
7.5 子空间分类器 185
7.6 学习子空间法 190
7.7 应用实例 196
7.8 本章小结 200
参考文献 202
第八章 模式特征表述、选择与提取 203
8.1 模式的表示 203
8.2 特征选择和提取的几个问题 210
8.3 特征评判标准——类别可分性判据 213
8.4 特征选择及搜索算法 220
8.5 特征提取 223
8.6 多层感知器用于特征压缩 228
8.7 最佳特征数目选择及非特征剔除 229
8.8 设备及过程状态识别中的特征化问题 230
8.9 特征化问题在机械状态监控中的应用例子 237
8.10 本章小结 243
参考文献 243
第九章 船舶动力装置运行状态监测与故障诊断系统 244
9.1 动力装置的结构与组成 244
9.2 系统组成及功能概述 245
9.3 动力装置运行状态特征分析与提取 246
9.4 贝叶斯决策理论在状态分类中的应用 251
9.5 无完整知识的运行状态统计决策规则 253
9.6 模糊分析在状态分析中的应用 263
9.7 人工神经网络（ANN）模型在故障综合决策中的应用 264
参考文献 265
第十章 状态监控与故障诊断技术发展简述 266
10.1 引言 266
10.2 智能状态监控与故障诊断系统构想 270
10.3 支撑系统的关键技术 273
10.4 一个可实现的集成示范系统 274
10.5 本章小结 275
参考文献 276