声明
摘要
第1章 绪论
1.1 研究背景
1.2 国内外研究概况
1.2.1 不平衡数据学习问题在数据层面的研究
1.2.2 不平衡数据学习问题在算法层面的研究
1.2.3 异常检测方面的研究
1.3 研究内容
1.4 论文组织结构
第2章 螺栓拧紧工艺与不平衡数据分析
2.1 螺栓拧紧数据的不平衡数据
2.1.1 螺栓数据来源及其特性
2.1.2 不平衡数据介绍
2.1.3 螺栓拧紧数据的不平衡问题
2.2 不平衡数据学习的评价准则
2.3 本章小结
第3章 螺栓拧紧数据集的预处理
3.1 螺栓拧紧数据介绍
3.1.1 常见的螺栓拧紧工艺
3.1.2 螺栓拧紧工艺与过程数据的对比分析
3.1.3 拧紧设备对异常样本的识别情况
3.2 数据预处理
3.2.1 拧紧过程数据类型及预处理方案
3.2.2 截取螺栓拧紧过程数据主体部分
3.2.3 清除过程数据中的噪声点和缺失值插值
3.3 本章小结
第4章 基于改进SMOTE算法的过采样技术
4.1 SMOTE算法介绍
4.1.1 算法原理
4.1.2 算法分析
4.2 SMOTE算法改进
4.2.1 SMOTE算法分析
4.2.2 DBSCAN算法思路
4.2.3 改进的SMOTE算法
4.2.4 改进的SMOTE算法特点分析
4.3 本章小结
第5章 数据集的特征提取
5.1 数据观察
5.2 特征选择
5.2.1 过程数据特征的直接特征
5.2.2 过程数据特征的间接特征
5.3 特征向量降维
5.4 本章小结
第6章 提升树分类算法
6.1 Xgboost算法介绍及应用
6.1.1 Xgboost介绍
6.1.2 模型的参数选择及应用
6.2 Xgboost在生产工艺异常检测中的优势
6.3 本章小结
第7章 基于螺栓拧紧数据的案例分析
7.1 原始数据集分析
7.2 数据预处理
7.3 改进的SMOTE算法进行过采样
7.4 异常检测分类器的训练及在线应用研究
7.4.1 基于Xgboost的异常检测分类器训练
7.4.2 异常检测模型的在线应用研究
7.5 本章小结
8.1 结论
8.2 展望
参考文献
致谢
攻读学位期间发表的科研成果目录