基于遗传算法和神经网络的质量控制研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-19页 |
| ·研究背景和意义 | 第8-14页 |
| ·质量控制的重要意义 | 第8-10页 |
| ·传统质量控制方法的局限性 | 第10-11页 |
| ·神经网络模式识别方法的优越性 | 第11页 |
| ·研究现状和意义 | 第11-14页 |
| ·国内外研究综述 | 第14-16页 |
| ·本文的研究内容与创新点 | 第16-18页 |
| ·论文的研究内容 | 第16-17页 |
| ·论文的创新点 | 第17-18页 |
| ·论文的研究思路与结构安排 | 第18-19页 |
| 第二章 统计过程控制与控制图 | 第19-27页 |
| ·统计过程控制 | 第19-20页 |
| ·控制图 | 第20-27页 |
| ·控制图原理 | 第20-22页 |
| ·控制图分类 | 第22-24页 |
| ·控制图判别准则 | 第24-27页 |
| 第三章 概率神经网络与遗传算法 | 第27-43页 |
| ·径向基函数神经网络 | 第27-31页 |
| ·RBF 网络模型 | 第28-30页 |
| ·RBF 网络的工作原理 | 第30-31页 |
| ·概率神经网络 | 第31-36页 |
| ·PNN 模型 | 第31-33页 |
| ·PNN 的学习算法 | 第33-36页 |
| ·基于 PNN 的模式识别 | 第36-38页 |
| ·遗传算法的基本原理与方法 | 第38-43页 |
| ·基本遗传算法的构成要素 | 第38-42页 |
| ·基本遗传算法描述 | 第42-43页 |
| 第四章 基于遗传算法的 PNN 质量控制模型 | 第43-58页 |
| ·质量控制的目标与总体模型 | 第43-45页 |
| ·基于遗传算法的 PNN 优化算法 | 第45-49页 |
| ·算法原理 | 第45-47页 |
| ·算法详细设计 | 第47-49页 |
| ·算法具体步骤 | 第49页 |
| ·仿真研究 | 第49-58页 |
| ·仿真样本的构建 | 第50-53页 |
| ·仿真样本的规范化 | 第53-54页 |
| ·仿真训练和测试 | 第54-55页 |
| ·仿真结果分析 | 第55-56页 |
| ·与其他算法的比较分析 | 第56-58页 |
| 第五章 模型在实际质量控制中的应用 | 第58-70页 |
| ·LH 公司质量控制问题分析 | 第58-62页 |
| ·LH 公司简介 | 第58-59页 |
| ·LH 公司质量控制现状 | 第59-62页 |
| ·解决方案——基于模型的质量控制 | 第62-69页 |
| ·训练样本选择与数据预处理 | 第62-64页 |
| ·神经网络训练和测试 | 第64-65页 |
| ·基于神经网络的控制图模式识别 | 第65-68页 |
| ·结果分析 | 第68-69页 |
| ·实施建议 | 第69-70页 |
| 第六章 结论与展望 | 第70-72页 |
| ·论文的主要研究成果 | 第70-71页 |
| ·进一步研究工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者攻硕期间取得的研究成果 | 第77-78页 |
