| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 前言 | 第16-28页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 相关理论与技术综述 | 第17-25页 |
| 1.2.1 时间序列数据挖掘 | 第17-19页 |
| 1.2.2 数据挖掘知识表达 | 第19-22页 |
| 1.2.3 数据驱动的工业过程监控 | 第22-25页 |
| 1.3 内容安排 | 第25-28页 |
| 第二章 基于相似度的动态时延估计 | 第28-38页 |
| 2.1 引言 | 第28页 |
| 2.2 互相关函数法 | 第28-29页 |
| 2.3 动态时延分析方法 | 第29-32页 |
| 2.4 实例研究 | 第32-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 基于相似度可伸缩窗的动态时延分析 | 第38-58页 |
| 3.1 引言 | 第38页 |
| 3.2 基于相似可伸缩窗动态时延估计 | 第38-43页 |
| 3.3 实例研究 | 第43-56页 |
| 3.4 本章小结 | 第56-58页 |
| 第四章 动态时延序列预测方法 | 第58-74页 |
| 4.1 引言 | 第58页 |
| 4.2 基于改进模糊插值的方法 | 第58-61页 |
| 4.3 基于卷积神经网络的方法 | 第61-66页 |
| 4.4 实例研究 | 第66-72页 |
| 4.5 本章小结 | 第72-74页 |
| 第五章 基于动态时间模糊Petri网的知识表达与推理 | 第74-102页 |
| 5.1 引言 | 第74页 |
| 5.2 动态时间模糊Petri网 | 第74-85页 |
| 5.2.1 相关基础 | 第76-77页 |
| 5.2.2 扩展规则 | 第77-79页 |
| 5.2.3 模型建立 | 第79-82页 |
| 5.2.4 推理算法 | 第82-85页 |
| 5.3 实例研究 | 第85-101页 |
| 5.4 本章小结 | 第101-102页 |
| 第六章 基于动态时间模糊Petri网的工业过程异常状态监控 | 第102-116页 |
| 6.1 引言 | 第102-103页 |
| 6.2 异常状态检测 | 第103-104页 |
| 6.3 异常状态传播 | 第104-108页 |
| 6.3.1 传播推理 | 第104-107页 |
| 6.3.2 操作策略优化 | 第107-108页 |
| 6.4 异常状态诊断 | 第108-110页 |
| 6.4.1 状态异常信息诊断 | 第108-109页 |
| 6.4.2 到达时间异常信息诊断 | 第109-110页 |
| 6.5 实例研究 | 第110-115页 |
| 6.6 本章小结 | 第115-116页 |
| 第七章 结论与展望 | 第116-118页 |
| 7.1 研究结论 | 第116-117页 |
| 7.2 工作展望 | 第117-118页 |
| 参考文献 | 第118-126页 |
| 致谢 | 第126-128页 |
| 研究成果及发表的学术论文 | 第128-130页 |
| 作者及导师简介 | 第130-132页 |
| 附件 | 第132-133页 |