| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·软测量技术的研究现状 | 第9-11页 |
| ·多模型建模方法研究现状 | 第11-13页 |
| ·样本数据的分类方法 | 第11-12页 |
| ·建立子模型的方法 | 第12页 |
| ·子模型的连接方式 | 第12-13页 |
| ·本课题论文的研究内容及安排 | 第13-16页 |
| 第二章 有关软测量的数据处理技术 | 第16-24页 |
| ·引言 | 第16页 |
| ·软测量建模过程 | 第16-18页 |
| ·辅助变量的选取 | 第16-17页 |
| ·数据采集 | 第17页 |
| ·数据预处理 | 第17-18页 |
| ·软测量模型的建立 | 第18页 |
| ·软测量模型的在线校正 | 第18页 |
| ·基于数据驱动的支持向量机法 | 第18-21页 |
| ·线性支持向量机回归算法 | 第19-20页 |
| ·非线性支持向量机回归算法 | 第20-21页 |
| ·聚类和分类算法 | 第21-23页 |
| ·K-means 聚类算法 | 第21-22页 |
| ·K 近邻分类算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于改进 K-means 聚类算法的软测量建模 | 第24-32页 |
| ·引言 | 第24页 |
| ·基于最大距离积法的 K-means 算法 | 第24-25页 |
| ·改进的目标函数和聚类个数 K 的优化选择 | 第25-26页 |
| ·基于支持向量机的组合模型 | 第26-27页 |
| ·工业实例研究 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 模拟退火改进 K-means 聚类算法在软测量中的应用 | 第32-40页 |
| ·引言 | 第32页 |
| ·传统 K-means 算法 | 第32-33页 |
| ·模拟退火改进的 K-means 聚类算法 | 第33-35页 |
| ·改进的算法原理 | 第33页 |
| ·相关参数的选取 | 第33-34页 |
| ·算法的实现流程 | 第34-35页 |
| ·工业实例研究 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第五章 基于特征加权 K-means 聚类的高斯过程建模方法 | 第40-48页 |
| ·引言 | 第40页 |
| ·基于特征加权的 K-means 聚类算法 | 第40-42页 |
| ·特征权值的确定 | 第40-41页 |
| ·算法流程的实现 | 第41-42页 |
| ·基于高斯过程的子模型建模 | 第42-44页 |
| ·多模型的连接方式 | 第44-45页 |
| ·工业实例研究 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 主要结论与展望 | 第48-50页 |
| 主要结论 | 第48页 |
| 展望 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第56页 |
