声明
第一章 绪论
1.1 问题背景及研究意义
1.2 电容型设备预警的国内外研究动态
1.2.1 国内外研究情况
1.2.2 数据融合技术的应用现状
1.3 本文主要研究内容
第二章 数据融合算法简介
2.1 人工神经网络
2.1.1 相关术语
2.1.2 BP神经网络的训练方法及理论依据
2.2 支持向量机
2.2.1 支持向量机的概念及用途
2.2.2 线性SVM
2.2.3 非线性SVM
2.3 随机森林
2.3.1 决策树
2.3.2 随机森林
2.4 本章小节
第三章 电容型设备数据预处理
3.1 电容型设备数据类型
3.2 数据类型编码方式和结果
3.3 不平衡数据的处理
3.4 本章小结
第四章 电容型设备状态预测模型构建及评估
4.1 编码方式及采样方式的确定
4.1.1 试算模型的选择
4.1.2 编码方式的确定
4.1.3采样方式的确定
4.2 模型的构建
4.2.1 未知参数模型构建
4.2.2 算法步骤
4.3 参数调整
4.3.1 两种常用调参方法及适用性
4.3.2 支持向量机分类模型参数确定
4.3.3 神经网络参数确定
4.3.4 随机森林参数确定
4.4 预测模型的选择及模型评估
4.4.1 最终分类预测模型的确定
4.4.2 模型的结果评估
4.4.3 结果分析和总结
4.4.4 其他算法得到的结果
4.5 本章小节
第五章 总结与展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果