| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·引言 | 第8-9页 |
| ·软测量技术概述 | 第9-12页 |
| ·建模方法的选择 | 第10页 |
| ·辅助变量的选择 | 第10页 |
| ·数据预处理 | 第10-11页 |
| ·主导变量与辅助变量之间的时序匹配 | 第11页 |
| ·软测量模型的在线校正 | 第11-12页 |
| ·软测量建模方法概述 | 第12-17页 |
| ·纯机理建模方法 | 第12-13页 |
| ·基于数据驱动的建模方法 | 第13-16页 |
| ·混合建模方法 | 第16-17页 |
| ·论文的主要内容和结构 | 第17-18页 |
| 第二章 基本软测量建模技术 | 第18-32页 |
| ·引言 | 第18页 |
| ·主元分析法 | 第18-20页 |
| ·部分最小二乘法 | 第20-23页 |
| ·人工神经网络 | 第23-25页 |
| ·支持向量机 | 第25-29页 |
| ·高斯过程 | 第29-31页 |
| ·结论 | 第31-32页 |
| 第三章 基于GRIN聚类算法和LSSVM的在线软测量建模 | 第32-48页 |
| ·引言 | 第32-33页 |
| ·基于引力原理的分层聚类算法 | 第33-37页 |
| ·G-HAC算法基本原理 | 第33-34页 |
| ·改进的G-HAC算法 | 第34-36页 |
| ·利用卡方检验方法检验球形分布 | 第36-37页 |
| ·GRIN在线聚类算法原理 | 第37-38页 |
| ·初始化阶段 | 第37页 |
| ·增量阶段 | 第37-38页 |
| ·CHAMELEON算法合并非孤立的球形子聚类 | 第38-40页 |
| ·最小二乘支持向量机 | 第40-41页 |
| ·基于GRIN-LSSVM的模型 | 第41-42页 |
| ·实例研究及效果分析 | 第42-47页 |
| ·工业过程背景 | 第42页 |
| ·基于GRIN-LSSVM的软测量建模 | 第42-43页 |
| ·效果分析 | 第43-47页 |
| ·结论 | 第47-48页 |
| 第四章 基于高斯过程的动态软测量建模 | 第48-64页 |
| ·引言 | 第48-49页 |
| ·模糊曲线法 | 第49-50页 |
| ·高斯过程建模 | 第50-57页 |
| ·高斯过程回归建模 | 第50-53页 |
| ·高斯过程与支持向量机回归建模的比较 | 第53页 |
| ·高斯过程回归建模的仿真研究 | 第53-57页 |
| ·结合模糊曲线法的高斯过程动态软测量模型 | 第57-58页 |
| ·实例研究及效果分析 | 第58-62页 |
| ·工业过程背景 | 第58-60页 |
| ·实例研究 | 第60页 |
| ·效果分析 | 第60-62页 |
| ·结论 | 第62-64页 |
| 第五章 总结和展望 | 第64-66页 |
| ·本文内容总结 | 第64页 |
| ·软测量技术研究展望 | 第64-66页 |
| 参考文献 | 第66-73页 |
| 致谢 | 第73页 |