| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·SPC简介 | 第8-10页 |
| ·SPC的基本原理 | 第8-9页 |
| ·SPC应用现状 | 第9-10页 |
| ·智能分类算法简介 | 第10-12页 |
| ·人工神经网络算法 | 第10页 |
| ·支持向量机算法 | 第10-11页 |
| ·决策树算法 | 第11-12页 |
| ·本文概述 | 第12-13页 |
| 第二章 多变量控制图 | 第13-17页 |
| ·多变量统计控制图的基本假设 | 第13-14页 |
| ·多元2~T和χ~2控制图 | 第14-15页 |
| ·多元累积和控制图 | 第15页 |
| ·多元指数加权移动平均控制图 | 第15页 |
| ·基于PCA的多元控制图 | 第15-17页 |
| 第三章 机器学习在多元过程控制中的应用现状和比较研究 | 第17-36页 |
| ·神经网络算法在多元过程控制中的应用 | 第17-24页 |
| ·神经网络算法原理 | 第17-19页 |
| ·基于神经网络的多元过程控制方法研究 | 第19-23页 |
| ·结论 | 第23-24页 |
| ·SVM在多元过程控制中的应用 | 第24-30页 |
| ·SVM基本原理 | 第24-25页 |
| ·基于SVM的多元过程控制方法研究 | 第25-28页 |
| ·基于SVDD的多元过程监控应用研究 | 第28-29页 |
| ·结论 | 第29-30页 |
| ·决策树技术在多元过程控制中的应用 | 第30-36页 |
| ·决策树算法原理 | 第30-32页 |
| ·基于决策树的多元过程控制方法研究 | 第32-35页 |
| ·结论 | 第35-36页 |
| 第四章 一种多元过程控制与异常识别的决策树改进模型 | 第36-49页 |
| ·决策树生成策略与参数选择 | 第36-39页 |
| ·剪枝策略 | 第36-37页 |
| ·类型编码与错误分类损失矩阵 | 第37-38页 |
| ·推进技术 | 第38-39页 |
| ·数据预处理 | 第39-40页 |
| ·训练样本的生成 | 第40-42页 |
| ·样本数据的构成方式 | 第40页 |
| ·训练样本的生成方式 | 第40-42页 |
| ·模型结构 | 第42页 |
| ·双变量仿真实验 | 第42-46页 |
| ·过程监控测试结果及分析 | 第43页 |
| ·异常诊断测试结果及分析 | 第43-44页 |
| ·模型泛化能力测试 | 第44-45页 |
| ·对比测试 | 第45-46页 |
| ·三变量数值实验与结果分析 | 第46-49页 |
| ·过程监控测试结果及分析 | 第47页 |
| ·异常诊断测试结果及分析 | 第47-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 发表论文和参加科研情况说明 | 第53-54页 |
| 致谢 | 第54页 |