| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题的背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-15页 |
| 1.2.1 软测量建模方法研究现状 | 第8-11页 |
| 1.2.2 集成学习方法概述 | 第11-14页 |
| 1.2.3 基于集成学习的软测量建模方法 | 第14-15页 |
| 1.3 论文的主要研究内容 | 第15-17页 |
| 第二章 基于Bagging算法的GPR软测量建模 | 第17-27页 |
| 2.1 预备知识 | 第17-19页 |
| 2.1.1 Bagging算法 | 第17页 |
| 2.1.2 核主元分析 | 第17-18页 |
| 2.1.3 高斯过程回归 | 第18-19页 |
| 2.2 基于贝叶斯加权的高斯过程回归方法 | 第19-20页 |
| 2.3 基于KPCA-Bagging的高斯过程回归建模步骤 | 第20-21页 |
| 2.4 仿真实验与分析 | 第21-26页 |
| 2.4.1 污水处理过程在无外界扰动下的仿真实验 | 第22-24页 |
| 2.4.2 污水处理过程阴雨天情况下的仿真实验 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于分层集成的软测量建模方法 | 第27-39页 |
| 3.1 预备知识 | 第27-28页 |
| 3.1.1 高斯混合模型 | 第27页 |
| 3.1.2 子空间主成分分析 | 第27-28页 |
| 3.2 分层集成的软测量建模方法 | 第28-31页 |
| 3.2.1 第一层集成输出 | 第29-30页 |
| 3.2.2 第二层集成输出 | 第30-31页 |
| 3.3 仿真实验与分析 | 第31-38页 |
| 3.3.1 脱丁烷塔过程 | 第31-36页 |
| 3.3.2 青霉素发酵过程 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于半监督集成学习的软测量建模方法 | 第39-49页 |
| 4.1 半监督集成学习 | 第39-40页 |
| 4.2 基于Tri-training的高斯过程回归软测量模型 | 第40-42页 |
| 4.2.1 Tri-training算法原理 | 第40页 |
| 4.2.2 基于Tri-training的高斯过程回归算法 | 第40-42页 |
| 4.3 基于集成学习策略的半监督软测量建模 | 第42-44页 |
| 4.4 仿真实验与分析 | 第44-48页 |
| 4.4.1 脱丁烷塔过程 | 第44-46页 |
| 4.4.2 混凝土抗压性能仿真实验 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 论文总结 | 第49-50页 |
| 5.2 前景展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录：作者在攻读硕士学位期间取得的学术成果 | 第56页 |
