支持向量机在SPC控制图模式识别中的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 相关理论的研究现状 | 第11-15页 |
| 1.2.1 SPC 与控制图 | 第11-12页 |
| 1.2.2 控制图模式识别 | 第12-15页 |
| 1.3 本文内容安排 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 SPC 控制图模式的简介 | 第17-23页 |
| 2.1 SPC 与控制图的基本原理 | 第17-19页 |
| 2.2 控制图的判定准则 | 第19-21页 |
| 2.3 控制图模式的基本分类及数据描述 | 第21-22页 |
| 2.3.1 控制图模式的基本分类 | 第21页 |
| 2.3.2 控制图模式的数据描述 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 控制图模式识别分类器算法的研究 | 第23-38页 |
| 3.1 支持向量机 | 第23-29页 |
| 3.1.1 支持向量机的分类 | 第23-26页 |
| 3.1.2 多类支持向量机 | 第26-29页 |
| 3.2 采用 PSO 优化 SVM | 第29-37页 |
| 3.2.1 SVM 的模型选择及参数分析 | 第29-33页 |
| 3.2.2 PSO 算法的原理与步骤 | 第33-36页 |
| 3.2.3 PSO-SVM 分类器 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 基于不同特征的控制图模式识别 | 第38-49页 |
| 4.1 基于原始数据的控制图模式识别 | 第38-41页 |
| 4.1.1 基于原始数据的识别原理 | 第38页 |
| 4.1.2 关于仿真实验的说明 | 第38-40页 |
| 4.1.3 基于原始数据的识别仿真实验 | 第40-41页 |
| 4.2 基于主元特征的控制图模式识别 | 第41-46页 |
| 4.2.1 基于主元分析的识别原理 | 第41-43页 |
| 4.2.2 基于主元分析的识别仿真实验 | 第43-46页 |
| 4.3 基于统计特征的控制图模式识别 | 第46-48页 |
| 4.3.1 基于统计特征的识别原理 | 第46-47页 |
| 4.3.2 基于统计特征的识别仿真实验 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 基于改进特征的控制图模式识别 | 第49-61页 |
| 5.1 基于改进序列前向选择方法的控制图模式识别 | 第49-56页 |
| 5.1.1 基于改进序列前向选择方法的识别原理 | 第49-52页 |
| 5.1.2 基于改进序列前向选择方法的仿真实验 | 第52-56页 |
| 5.2 基于融合特征的控制图模式识别方法 | 第56-58页 |
| 5.2.1 基于融合特征的识别原理 | 第56-57页 |
| 5.2.2 基于融合特征的仿真实验 | 第57-58页 |
| 5.3 不同特征下的对比分析 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第67页 |
