第一章 绪论
1.1研究背景及意义
1.2课题来源
1.3国内外研究现状
1.3.1时间序列特征工程技术相关研究
1.3.2故障检测技术相关研究
1.3.3故障因子分析算法研究
1.4论文的研究内容
1.5论文组织结构
第二章 项目背景与相关技术介绍
2.1序列挖掘的应用需求
2.2工业设备时序数据特点
2.3工业序列数据挖掘流程
2.4多分类模型
2.5随机森林算法
2.5.1 Bagging集成学习方法
2.5.2决策树算法原理
2.5.3随机森林原理及重要参数
2.6基于关联规则的分类算法
2.6.1基本概念
2.6.2分类关联规则挖掘
2.6.3 CBA分类器构建
2.7本章小结
第三章 时序数据特征工程
3.1问题描述
3.2数据预处理
3.2.1数据缺失与噪音的处理
3.2.2时间序列聚合
3.2.3数据离散化
3.2.4数据标准化
3.2.5特征融合
3.2.6类别不平衡问题
3.3多分类问题的解决策略
3.4仿真实验及分析
3.5本章小结
第四章 基于随机森林和WCBA的故障因子分析模型
4.1问题描述
4.2基于随机森林的单因子分析模型
4.2.1随机森林算法
4.2.2故障因子分析原理
4.2.3故障因子相关性分析
4.3故障因子关联性分析
4.3.1数据准备
4.3.2分类关联规则构建（CBA-RG）
4.3.3故障检测分类器构建（CBA-CB）
4.4仿真实验及分析
4.5本章小结
第五章 仿真实验与性能分析
5.1实验方案
5.2实验环境
5.3实验数据准备
5.3.1仿真数据
5.3.2真实工业数据集
5.4性能评估和指标
5.5实验结果与分析
5.5.1多分类模型的效果验证
5.5.2时序数据特征工程
5.5.3基于随机森林的故障因子分析模型
5.5.4 WCBA故障因子关联性分析模型
5.6本章小结
结论
参考文献
攻读学位期间发表论文
攻读学位期间参加的科研项目
声明
致谢
