| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景及意义 | 第9-10页 |
| ·多变量统计过程回归研究现状 | 第10-12页 |
| ·现有回归方法的不足与改进 | 第12-13页 |
| ·本文的主要内容 | 第13-15页 |
| 第2章 基础理论知识 | 第15-31页 |
| ·数学基础知识 | 第15-19页 |
| ·统计量 | 第15-17页 |
| ·独立与相关 | 第17页 |
| ·典型相关分析 | 第17-19页 |
| ·多变量统计过程回归预测 | 第19-23页 |
| ·数据的标准化处理 | 第19-20页 |
| ·基于主成分的回归方法 | 第20-22页 |
| ·基于偏最小二乘的回归方法 | 第22-23页 |
| ·信息论基础 | 第23-24页 |
| ·数据的白化处理 | 第24页 |
| ·独立成分分析方法基础 | 第24-29页 |
| ·引言 | 第24-25页 |
| ·ICA信号模型 | 第25-26页 |
| ·基本假设与不确定性 | 第26页 |
| ·独立分量分析方法中常用的准则和方法 | 第26-27页 |
| ·ICA的典型算法 | 第27-29页 |
| ·独立分量分析与主分量分析的比较 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第3章 基于ICA的回归方法 | 第31-45页 |
| ·引言 | 第31-32页 |
| ·利用修正的ICA方法提取输出空间独立元 | 第32-33页 |
| ·建立基于ICA的回归模型 | 第33-38页 |
| ·独立元与主元的比较 | 第33-36页 |
| ·修正ICA算法独立元的特点 | 第36-37页 |
| ·基于修正ICA的回归模型 | 第37-38页 |
| ·基于ICA回归模型的改进 | 第38-41页 |
| ·用于回归的输入空间特征独立元提取 | 第38-39页 |
| ·建立基于ICA的改进回归模型 | 第39-40页 |
| ·改进的ICA回归与PLS回归的比较 | 第40-41页 |
| ·基于核独立元的回归方法 | 第41-43页 |
| ·利用核独立成分分析提取非线性独立元 | 第41-43页 |
| ·基于KICA的回归建模 | 第43页 |
| ·回归模型的性能指标 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于ICA的回归方法在T-E过程预测应用研究 | 第45-63页 |
| ·田纳西--伊斯曼过程介绍 | 第45-48页 |
| ·引言 | 第45页 |
| ·TE过程工艺流程 | 第45-47页 |
| ·过程变量 | 第47-48页 |
| ·仿真数据采集 | 第48页 |
| ·TE过程非高斯分析 | 第48-49页 |
| ·田纳西--伊斯曼过程预测研究 | 第49-61页 |
| ·ICR与PLSR在TE过程预测的比较 | 第49-54页 |
| ·改进的ICR在TE过程预测 | 第54-58页 |
| ·对成分测量变量的预测研究 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |