| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第一章 绪论 | 第14-25页 |
| 1．1 立题背景分析 | 第14-19页 |
| 1．1．1 化学、化工中的两个共性课题 | 第14-16页 |
| 1．1．2 化学、化工数据的典型特征 | 第16-19页 |
| 1．2 系统常用建模方法 | 第19-21页 |
| 1．3 偏最小二乘回归建模方法 | 第21-23页 |
| 1．4 本文研究内容及组织 | 第23-25页 |
| 第二章 偏最小二乘回归方法的基础理论 | 第25-46页 |
| 2．1 偏最小二乘回归方法的历史和现状 | 第25-30页 |
| 2．2 偏最小二乘回归的基本原理 | 第30-40页 |
| 2．2．1 偏最小二乘回归的基本思想 | 第30-31页 |
| 2．2．2 偏最小二乘回归的数学原理 | 第31-33页 |
| 2．2．3 偏最小二乘回归的理论算法 | 第33-35页 |
| 2．2．4 偏最小二乘回归的实用算法 | 第35-37页 |
| 2．2．5 PLS成分数的确定 | 第37-39页 |
| 2．2．6 PLS成分的性质 | 第39-40页 |
| 2．3 偏最小二乘回归的辅助分析技术 | 第40-44页 |
| 2．3．1 变量常用统计量及数据预处理 | 第40-41页 |
| 2．3．2 精度分析 | 第41-42页 |
| 2．3．3 PLS成分的相关关系 | 第42页 |
| 2．3．4 变量投影重要性(VIP) | 第42-43页 |
| 2．3．5 t_1／t_2平面图和T~2椭圆图 | 第43-44页 |
| 2．4 偏最小二乘同归的适用范围 | 第44-46页 |
| 第三章 加卡义分块递归偏最小二乘回归方法 | 第46-64页 |
| 3．1 引言 | 第46-48页 |
| 3．2 分块递归偏最小二乘回归方法 | 第48-54页 |
| 3．2．1 PLS算法的一种改进 | 第48-49页 |
| 3．2．2 递归偏最小二乘法 | 第49-52页 |
| 3．2．3 分块递归偏最小二乘法 | 第52-54页 |
| 3．2．3．1 样本分块 | 第52-53页 |
| 3．2．3．2 BRPLSR算法 | 第53-54页 |
| 3．3 加权分块递归偏最小二乘回归方法 | 第54-56页 |
| 3．3．1 样本加权方式 | 第55页 |
| 3．3．2 样本加权函数 | 第55-56页 |
| 3．3．3 WBRPLSR算法 | 第56页 |
| 3．4 实例应用：WBRPLSR为PTA溶剂脱水塔建模 | 第56-63页 |
| 3．4．1 模型及样本数据说明 | 第57-58页 |
| 3．4．2 PLS成分数确定 | 第58页 |
| 3．4．3 时间窗宽度及个数选择 | 第58-59页 |
| 3．4．4 几种方法结果比较 | 第59-63页 |
| 3．4．4．1 试验方式 | 第59页 |
| 3．4．4．2 LSR、PLSR与BRPLSR方法 | 第59-60页 |
| 3．4．4．3 WBRPLSR方法 | 第60-61页 |
| 3．4．4．4 结果与分析 | 第61-63页 |
| 3．5 本章小结 | 第63-64页 |
| 第四章 模糊逻辑偏最小二乘回归方法 | 第64-87页 |
| 4．1 引言 | 第64-66页 |
| 4．2 模糊逻辑系统 | 第66-67页 |
| 4．3 模糊逻辑偏最小二乘回归方法 | 第67-74页 |
| 4．3．1 自适应单输入单输出模糊逻辑系统 | 第68-70页 |
| 4．3．1．1 单输入单输出模糊模型 | 第68页 |
| 4．3．1．2 规则数M及隶属度函数参数的确定 | 第68-69页 |
| 4．3．1．3 最小二乘法确定规则后件参数 | 第69-70页 |
| 4．3．2 FPLS算法 | 第70-71页 |
| 4．3．3 实例应用：FPLS为HIV-1蛋白酶抑制剂QSAR建模 | 第71-74页 |
| 4．3．3．1 模型及样本数据说明 | 第71-72页 |
| 4．3．3．2 试验方式与性能评价指标 | 第72页 |
| 4．3．3．3 结果与分析 | 第72-74页 |
| 4．4 基于误差修正的模糊逻辑偏最小二乘回归方法 | 第74-85页 |
| 4．4．1 自适应的神经网络模糊逻辑系统(ANFIS) | 第75-78页 |
| 4．4．2 EB-AFPLS算法 | 第78-81页 |
| 4．4．2．1 权系数W的误差修正 | 第78-79页 |
| 4．4．2．2 EB-AFPLS算法 | 第79-81页 |
| 4．4．2．3 模糊规则参数确定 | 第81页 |
| 4．4．3 实例应用：EB-AFPLS为HIV-1蛋白酶抑制剂QSAR建模 | 第81-85页 |
| 4．4．3．1 模型精度分析 | 第82-83页 |
| 4．4．3．2 PLS成分解释能力分析 | 第83-85页 |
| 4．4．3．3 隶属度函数参数的确定 | 第85页 |
| 4．5 本章小结 | 第85-87页 |
| 第五章 快速稳健偏最小二乘回归方法 | 第87-100页 |
| 5．1 离群点及其识别方法 | 第87-91页 |
| 5．2 快速稳健偏最小二乘回归方法(RRPLSR) | 第91-95页 |
| 5．2．1 离群点的峭度识别法 | 第92-94页 |
| 5．2．2 RRPLSR算法 | 第94页 |
| 5．2．3 离群点的确认 | 第94-95页 |
| 5．3 实例应用：RRPLSR为鱼类物质近红外光谱在线检测 | 第95-99页 |
| 5．3．1 样本数据说明 | 第96-97页 |
| 5．3．2 试验结果分析 | 第97-99页 |
| 5．3．2．1 离群点识别与模型可靠性 | 第97-98页 |
| 5．3．2．2 模型拟合与预报性能 | 第98-99页 |
| 5．3．2．3 计算耗时 | 第99页 |
| 5．4 本章小结 | 第99-100页 |
| 第六章 基于极小极大估计的多因变量偏最小二乘回归方法 | 第100-111页 |
| 6．1 引言 | 第100-102页 |
| 6．2 基于极小极大估计的多因变量偏最小二乘回归方法 | 第102-106页 |
| 6．2．1 PLSR的三种多因变量建模方式 | 第102-103页 |
| 6．2．2 PLS-C&W算法 | 第103-105页 |
| 6．2．3 极小极大估计器与PLS-Minimax方法 | 第105-106页 |
| 6．3 实例应用：PLS-Minimax为化工聚合反应过程建模 | 第106-110页 |
| 6．3．1 样本数据说明 | 第106-107页 |
| 6．3．2 试验结果分析 | 第107-110页 |
| 6．3．2．1 模型预报精度比较 | 第107-109页 |
| 6．3．2．2 两种收缩估计器的比较和分析 | 第109-110页 |
| 6．4 本章小结 | 第110-111页 |
| 第七章 总结与展望 | 第111-115页 |
| 7．1 全文总结 | 第111-112页 |
| 7．2 存在的不足 | 第112-113页 |
| 7．3 工作展望 | 第113-115页 |
| 参考文献 | 第115-130页 |
| 致谢 | 第130-131页 |
| 作者攻读博士期间撰写的论文和参与的项目 | 第131页 |
