第1章 绪论 1
1.1 故障诊断的研究背景和意义 1
1.2 故障诊断的研究内容和分类 2
1.3 故障诊断中的样本不平衡特性分析 7
1.4 主要研究内容 18
本章参考文献 22
第2章 基于半监督主元分析的故障特征提取及诊断算法 27
2.1 半监督学习理论 27
2.2 面向样本标记不平衡的半监督主元分析 31
2.3 基于半监督主元分析的故障诊断方法 34
2.4 实验与分析 35
2.5 本章小结 43
本章参考文献 44
第3章 基于局部保持主元分析的故障特征提取及诊断算法 45
3.1 面向样本价值不平衡的局部保持主元分析算法 45
3.2 LPPCA算法在故障检测中的应用 49
3.3 实验与分析 50
3.4 本章小结 56
本章参考文献 57
第4章 基于流形学习的联合FDA故障特征提取及诊断算法 58
4.1 FDA算法的限制和JFDA算法的提出背景 58
4.2 面向样本价值不平衡的JFDA算法和它的核扩展 62
4.3 基于（K）JFDA的故障诊断算法 70
4.4 实验与分析 71
4.5 本章小结 80
本章参考文献 81
第5章 基于集成学习的敏感MFA故障特征提取及诊断算法 83
5.1 数据类别不平衡对半导体故障特征提取造成的困扰 83
5.2 基于集成学习的敏感边际费舍尔分析 88
5.3 ESMFA算法在故障检测中的应用 95
5.4 实验和分析 96
5.5 本章小结 102
本章参考文献 103
第6章 基于不平衡SVDD的故障特征选择及诊断算法 107
6.1 特征选择研究概述 107
6.2 无监督和监督特征选择方法在故障诊断中的局限性分析 110
6.3 面向样本类别不平衡的ISVDD-radius-RFE算法 113
6.4 实验和分析 119
6.5 本章小结 123
本章参考文献 124
第7章 总结与展望 125