| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 生产过程质量控制发展阶段 | 第14页 |
| 1.2.2 生产过程质量智能化控制方法的研究现状 | 第14-15页 |
| 1.2.3 复杂事件处理研究现状 | 第15-16页 |
| 1.3 课题来源 | 第16-17页 |
| 1.4 主要研究内容和论文结构 | 第17-18页 |
| 第二章 制造物联网质量控制应用需求和相关技术 | 第18-26页 |
| 2.1 制造物联网体系结构与数据特点 | 第18页 |
| 2.2 制造物联网产品质量管控应用需求 | 第18-20页 |
| 2.3 支持向量机 | 第20-23页 |
| 2.3.1 SVM分类原理 | 第20-22页 |
| 2.3.2 SVM核函数与参数选择 | 第22-23页 |
| 2.4 复杂事件处理 | 第23-25页 |
| 2.4.1 事件模型 | 第23-24页 |
| 2.4.2 复杂事件检测处理过程 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于优化特征提取与MSVM的质量异常模式识别 | 第26-37页 |
| 3.1 控制图模式 | 第26-27页 |
| 3.2 控制图特征 | 第27-29页 |
| 3.2.1 统计特征 | 第27-28页 |
| 3.2.2 形状特征 | 第28-29页 |
| 3.3 优化的特征提取算法 | 第29-31页 |
| 3.3.1 特征提取算法模型 | 第29-30页 |
| 3.3.2 特征提取方式 | 第30-31页 |
| 3.4 动态组合的MSVM质量异常模式识别模型 | 第31-34页 |
| 3.4.1 OVR分类器 | 第32页 |
| 3.4.2 OVO分类器 | 第32页 |
| 3.4.3 结合OVR和OVO的适应型分类器 | 第32-34页 |
| 3.5 MSVM模型参数寻优方法 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于双数组trie树的多模式复杂事件检测方法 | 第37-45页 |
| 4.1 单模式复杂事件检测方法 | 第37-38页 |
| 4.2 多模式复杂事件检测方法 | 第38-43页 |
| 4.2.1 多模式状态转移函数 | 第39-41页 |
| 4.2.2 多模式失配转移函数 | 第41-42页 |
| 4.2.3 多模式状态输出函数 | 第42-43页 |
| 4.3 双数组trie树原理与基本构造 | 第43-44页 |
| 4.4 基于双数组trie树的多模式复杂事件检测方法 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 仿真实验与性能分析 | 第45-59页 |
| 5.1 实验环境 | 第45页 |
| 5.2 质量数据集生成与参数寻优 | 第45-47页 |
| 5.2.1 质量数据集生成 | 第45-46页 |
| 5.2.2 参数寻优 | 第46-47页 |
| 5.3 质量异常识别模型实验结果与分析 | 第47-54页 |
| 5.3.1 识别准确度对比分析 | 第47-49页 |
| 5.3.2 识别速度对比分析 | 第49页 |
| 5.3.3 特征选择实验结果 | 第49-54页 |
| 5.4 复杂事件检测方法实验结果与分析 | 第54-58页 |
| 5.4.1 自动机状态数 | 第54-57页 |
| 5.4.2 平均匹配效率 | 第57页 |
| 5.4.3 检测模型所占空间 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 总结 | 第59页 |
| 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间发表的论文 | 第65-66页 |
| 攻读学位期间参加的科研项目 | 第66-68页 |
| 致谢 | 第68页 |
