| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·控制图模式识别的发展及现状 | 第10-11页 |
| ·多元过程质量诊断的发展及现状 | 第11-14页 |
| ·本文的研究内容和基本框架 | 第14-17页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文研究的基本框架 | 第15-17页 |
| 2 质量过程控制与控制图概述 | 第17-21页 |
| ·质量过程控制 | 第17-18页 |
| ·控制图 | 第18-20页 |
| ·控制图基本类型 | 第18页 |
| ·控制图原理 | 第18-19页 |
| ·HotellingT 2控制图 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于核主元分析的神经网络控制图模式异常诊断 | 第21-30页 |
| ·控制图模式的基本类型 | 第21-22页 |
| ·核主元分析法 | 第22-23页 |
| ·神经网络概述 | 第23-26页 |
| ·神经网络简介 | 第23页 |
| ·BP 神经网络算法原理 | 第23-25页 |
| ·BP 网络的优越性 | 第25-26页 |
| ·基于核主元分析的神经网络控制图模式识别方法 | 第26-28页 |
| ·模型基本框架 | 第26页 |
| ·仿真实验 | 第26-28页 |
| ·应用实例 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 基于遗传优化的支持向量机多元质量过程均值异常诊断 | 第30-40页 |
| ·多元质量过程诊断问题提出 | 第30页 |
| ·遗传算法和支持向量机概述 | 第30-34页 |
| ·遗传算法 | 第30-32页 |
| ·支持向量机 | 第32-34页 |
| ·基于遗传优化的 SVM 参数优化算法 | 第34-36页 |
| ·基于遗传优化的支持向量机多元质量过程均值异常诊断 | 第36-39页 |
| ·模型提出 | 第36页 |
| ·实验仿真 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 5 总结与展望 | 第40-42页 |
| ·本文总结 | 第40页 |
| ·研究展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 个人简历、读研期间发表的学术论文及取得的研究成果 | 第47页 |