摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第10-12页 |
缩略语对照表 | 第12-15页 |
第一章 绪论 | 第15-21页 |
1.1 研究背景 | 第15-16页 |
1.2 国内外研究现状 | 第16-18页 |
1.2.1 过程质量控制研究现状 | 第16-17页 |
1.2.2 数据挖掘在过程质量控制中的应用研究现状 | 第17-18页 |
1.2.3 熵分析研究现状 | 第18页 |
1.3 研究目的及意义 | 第18-19页 |
1.4 本文的主要研究内容和论文组织结构 | 第19-21页 |
第二章 面向统计过程控制的数据降维方法介绍 | 第21-31页 |
2.1 统计过程控制 | 第21-23页 |
2.2 数据降维简介 | 第23-24页 |
2.3 特征提取方法 | 第24-29页 |
2.3.1 主成分分析 | 第24-26页 |
2.3.2 线性判别分析 | 第26-27页 |
2.3.3 因子分析 | 第27页 |
2.3.4 偏最小二乘法 | 第27-29页 |
2.4 本章小节 | 第29-31页 |
第三章 面向多维质量数据的鲁棒增量主成分分析方法 | 第31-39页 |
3.1 增量主成分分析方法原理 | 第31-33页 |
3.2 鲁棒增量主成分分析 | 第33-35页 |
3.2.1 滑动窗口模型 | 第33-34页 |
3.2.2 利用反k近邻法判别数据流离群点 | 第34页 |
3.2.3 鲁棒增量主成分分析算法 | 第34-35页 |
3.2.4 计算复杂度分析 | 第35页 |
3.3 仿真分析 | 第35-38页 |
3.4 本章小结 | 第38-39页 |
第四章 过程能力分析与熵分析 | 第39-51页 |
4.1 过程能力分析 | 第39-42页 |
4.1.1 第一代过程能力指数 | 第39-40页 |
4.1.2 第二代过程能指数 | 第40-41页 |
4.1.3 第三代过程能力指数 | 第41页 |
4.1.4 过程能力的判定 | 第41-42页 |
4.2 熵分析介绍 | 第42-49页 |
4.2.1 近似熵 | 第42-43页 |
4.2.2 样本熵 | 第43-45页 |
4.2.3 多尺度熵 | 第45-47页 |
4.2.4 多元多尺度熵 | 第47-49页 |
4.3 本章小结 | 第49-51页 |
第五章 改进的样本熵方法及其在过程能力分析中的应用 | 第51-67页 |
5.1 改进的样本熵方法 | 第51-53页 |
5.2 仿真分析 | 第53-61页 |
5.2.1 仿真分析 1:只有方差变化的情况 | 第54-56页 |
5.2.2 仿真分析 2:只有均值变化的情况 | 第56-59页 |
5.2.3 仿真分析 3:均值和方差都变化的情况 | 第59-61页 |
5.3 改进的样本熵在过程能力分析中的应用 | 第61-66页 |
5.3.1 方差变化的情况 | 第61-63页 |
5.3.2 均值变化的情况 | 第63-65页 |
5.3.3 改进样本熵应用举例 | 第65-66页 |
5.4 本章小结 | 第66-67页 |
第六章 总结与展望 | 第67-69页 |
6.1 论文总结 | 第67页 |
6.2 未来展望 | 第67-69页 |
参考文献 | 第69-73页 |
致谢 | 第73-75页 |
作者简介 | 第75-76页 |