基于小波变换的动态过程质量异常模式识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 插图清单 | 第9-10页 |
| 表格清单 | 第10-11页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文研究内容与创新点 | 第13-15页 |
| 1.3.1 异常质量模式界定 | 第13-14页 |
| 1.3.2 特征提取算法研究 | 第14页 |
| 1.3.3 异常模式识别 | 第14页 |
| 1.3.4 本文创新点 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 2 动态过程质量异常模式识别理论分析 | 第16-35页 |
| 2.1 引言 | 第16-17页 |
| 2.2 本文模式识别方案 | 第17-18页 |
| 2.3 质量异常模式界定 | 第18-19页 |
| 2.4 特征提取算法研究 | 第19-24页 |
| 2.4.1 特征提取基本方法 | 第19-20页 |
| 2.4.2 小波变换原理分析 | 第20-22页 |
| 2.4.3 静态小波变换 | 第22-24页 |
| 2.5 动态过程质量异常模式识别方法 | 第24-34页 |
| 2.5.1 模式识别基本方法 | 第24-26页 |
| 2.5.2 神经网络基础理论 | 第26-31页 |
| 2.5.3 BP 神经网络训练规则 | 第31-34页 |
| 2.6 本章小结 | 第34-35页 |
| 3 基于小波的特征提取算法研究 | 第35-51页 |
| 3.1 奇异点检测 | 第35-39页 |
| 3.1.1 奇异点检测基本方法 | 第35-37页 |
| 3.1.2 小波检测奇异点的优势 | 第37-38页 |
| 3.1.3 小波基的选取与分解层数的确定 | 第38-39页 |
| 3.2 小波变换模极大值检测原理 | 第39-44页 |
| 3.3 本文特征提取算法 | 第44-47页 |
| 3.4 实验结果与分析 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4 基于小波的质量异常模式识别方案实现及结果分析 | 第51-62页 |
| 4.1 数据仿真 | 第51-53页 |
| 4.2 特征提取仿真 | 第53-54页 |
| 4.3 模式识别实验结果及分析 | 第54-61页 |
| 4.3.1 神经网络结构设置及参数选择分析 | 第54-58页 |
| 4.3.2 网络训练结果分析 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 今后的研究 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 个人简历以及硕士在读期间发表的论文 | 第67-68页 |
| 致谢 | 第68页 |
