《模式识别与状态监控》求取 ⇩

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