工业过程统计建模与监控方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·引言 | 第7-8页 |
| ·工业过程建模方法 | 第8-9页 |
| ·工业过程监控方法 | 第9-10页 |
| ·本文的研究内容 | 第10-12页 |
| 第二章 多元统计与回归分析 | 第12-21页 |
| ·主成分分析 | 第12-17页 |
| ·数学模型与几何解释 | 第13-14页 |
| ·主成分的推导 | 第14-16页 |
| ·精度分析 | 第16页 |
| ·主成分回归 | 第16-17页 |
| ·偏最小二乘回归 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 神经网络 | 第21-30页 |
| ·神经网络的主要模型 | 第21-22页 |
| ·径向基函数神经网络 | 第22-25页 |
| ·PCA-RBF | 第24页 |
| ·PLS-RBF | 第24-25页 |
| ·实例分析—丙烯聚合过程 | 第25-29页 |
| ·多尺度系统理论 | 第26-27页 |
| ·PCA-MSA-RBF | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 统计学习理论与支持向量机 | 第30-41页 |
| ·统计学习理论 | 第30-35页 |
| ·机器学习的基本问题 | 第31-32页 |
| ·核心内容 | 第32-35页 |
| ·支持向量机 | 第35-38页 |
| ·用于函数拟合的支持向量机 | 第35-36页 |
| ·最小二乘支持向量机 | 第36-37页 |
| ·鲁棒最小二乘支持向量机 | 第37-38页 |
| ·实例分析 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第五章 多变量统计过程监控 | 第41-51页 |
| ·统计过程监控方法 | 第41-45页 |
| ·单变量过程统计方法 | 第42-43页 |
| ·多变量过程统计方法 | 第43页 |
| ·基于主成分分析的方法 | 第43-45页 |
| ·独立成分分析方法 | 第45-49页 |
| ·独立成分分析的定义 | 第45-47页 |
| ·独立成分分析算法 | 第47-48页 |
| ·独立成分分析-支持向量分类器 | 第48-49页 |
| ·仿真分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 结束语 | 第51-53页 |
| ·全文工作总结 | 第51-52页 |
| ·未来工作的展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 作者攻读硕士学位期间完成的论文 | 第57-58页 |
| 致谢 | 第58页 |
