第1章 核方法及其研究基础 1
1.1 核函数的定义 1
1.2 正则化与表述定理 8
1.3 几种核学习机 10
1.4 核方法研究背景 13
1.5 故障智能诊断中的机器学习 16
1.6 核算法与故障诊断 20
1.7 研究内容 30
第2章 基于最小风险的SVM方法的研究 34
2.1 引言 34
2.2 支持向量机 35
2.3 基于最小风险的SVM研究 38
2.4 仿真研究 45
2.5 实验研究 47
2.6 本章小结 54
第3章 单值SVM用于故障诊断 55
3.1 引言 55
3.2 单值支持向量机 56
3.3 模型分析及选择研究 60
3.4 核函数的参数确定 69
3.5 基于单值SVM的故障诊断 75
3.6 本章小结 76
第4章 单值SVM时间滚动式学习算法的研究 78
4.1 引言 78
4.2 支持向量特点分析 79
4.3 时间滚动式学习算法 82
4.4 液压泵故障预警系统的设计 87
4.5 仿真实验 90
4.6 本章小结 95
第5章 基于单值SVM的多故障识别 96
5.1 引言 96
5.2 几种常用的多类SVM方法 97
5.3 基于单值SVM的多值分类 99
5.4 实验研究 107
5.5 本章小结 110
第6章 基于SVR的早期故障预示研究 111
6.1 引言 111
6.2 支持向量回归 112
6.3 SVR性能分析研究 114
6.4 基于遗传算法的SVR参数选择 117
6.5 基于SVR的故障预测 120
6.6 本章小结 125
第7章 混沌背景中微弱信号检测 126
7.1 引言 126
7.2 基于SVR的微弱信号检测 127
7.3 仿真实验 131
7.4 本章小结 135
第8章 核矩阵的逼近 137
8.1 引言 137
8.2 核矩阵的逼近 138
8.3 贪心算法 144
8.4 实验研究 148
8.5 本章小结 152
第9章 结论与展望 153
9.1 内容总结 153
9.2 展望 154
附录 开发的相关SVM程序 155
参考文献 178