| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题背景与研究意义 | 第13-14页 |
| 1.2 过程监测的主要研究内容及现状 | 第14-17页 |
| 1.2.1 过程监测的基本概念 | 第14-15页 |
| 1.2.2 过程监测的常见方法 | 第15-17页 |
| 1.3 半监督集成学习的研究现状 | 第17-19页 |
| 1.4 本文研究内容及创新点介绍 | 第19-20页 |
| 1.4.1 本文研究内容及创新点 | 第19-20页 |
| 1.4.2 章节内容介绍 | 第20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 相关理论及基本方法介绍 | 第21-33页 |
| 2.1 半监督学习 | 第21-24页 |
| 2.1.1 半监督学习概述 | 第21-22页 |
| 2.1.2 常见半监督学习分类算法 | 第22-24页 |
| 2.2 集成学习 | 第24-29页 |
| 2.2.1 集成学习方法研究 | 第24-25页 |
| 2.2.2 多分类器系统 | 第25-29页 |
| 2.3 基本算法介绍 | 第29-31页 |
| 2.3.1 费舍尔判别分析 | 第29-30页 |
| 2.3.2 主元分析 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于集成半监督费舍尔判别的故障分类研究 | 第33-51页 |
| 3.1 引言 | 第33-34页 |
| 3.2 半监督费舍尔判别 | 第34-35页 |
| 3.3 集成半监督费舍尔判别分类方法 | 第35-40页 |
| 3.3.1 ESFDA分类模型 | 第36-39页 |
| 3.3.2 基于ESFDA的故障分类系统 | 第39-40页 |
| 3.4 案例研究 | 第40-49页 |
| 3.4.1 TE过程仿真平台介绍 | 第41-43页 |
| 3.4.2 仿真实验及结果 | 第43-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于自适应的半监督集成学习故障分类研究 | 第51-63页 |
| 4.1 引言 | 第51-52页 |
| 4.2 基于自适应半监督集成学习分类方法 | 第52-58页 |
| 4.2.1 Ada-ESFDA.分类模型 | 第52-57页 |
| 4.2.2 基于Ada-ESFDA的故障分类系统 | 第57-58页 |
| 4.3 案例研究 | 第58-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 基于主动学习的半监督集成学习故障分类研究 | 第63-73页 |
| 5.1 引言 | 第63-64页 |
| 5.2 主动学习方法简介 | 第64-65页 |
| 5.3 基于ACTIVE-ESFDA的故障分类模型 | 第65-69页 |
| 5.3.1 采样方法设计 | 第65-66页 |
| 5.3.2 基于Active-ESFDA的故障分类系统 | 第66-69页 |
| 5.4 案例仿真 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 结论 | 第73-75页 |
| 6.1 本文小结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 个人简历 | 第82-83页 |
| 攻读硕士学位期间的科研成果 | 第83-84页 |
| 攻读硕士学位期间参加的科研项目 | 第84页 |