| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 绪论 | 第11-19页 |
| ·引言 | 第11-12页 |
| ·目前关于多模型建模的研究 | 第12-15页 |
| ·本文主要的研究内容 | 第15-17页 |
| ·文章的基本结构 | 第17-19页 |
| 第一章 软测量技术概述 | 第19-30页 |
| ·引言 | 第19页 |
| ·软测量技术的数学描述和结构 | 第19-21页 |
| ·软测量技术的数学描述 | 第19-20页 |
| ·软测量的结构 | 第20-21页 |
| ·影响软测量模型性能的因素 | 第21-23页 |
| ·软测量的建模方法 | 第23-27页 |
| ·软测量的设计步骤 | 第27-29页 |
| 小结 | 第29-30页 |
| 第二章 多变量统计 | 第30-39页 |
| ·数据的标准化处理 | 第30-32页 |
| ·多元线性回归分析 | 第32-33页 |
| ·偏最小二乘回归方法 | 第33-36页 |
| ·建模原理 | 第33-34页 |
| ·交叉有效性 | 第34-36页 |
| ·偏最小二乘异常数据检测法 | 第36-38页 |
| 小结 | 第38-39页 |
| 第三章 聚类算法及其改进 | 第39-52页 |
| ·模糊划分 | 第39-40页 |
| ·FCM算法 | 第40-42页 |
| ·聚类有效性函数 | 第42-43页 |
| ·减法聚类 | 第43-44页 |
| ·基于减法聚类和FCM融合的聚类算法 | 第44-51页 |
| ·目前关于FCM算法和减法聚类研究的不足 | 第44-45页 |
| ·改进的聚类算法 | 第45-46页 |
| ·程序代码 | 第46-49页 |
| ·仿真实验 | 第49-51页 |
| 小结 | 第51-52页 |
| 第四章 神经模糊建模 | 第52-62页 |
| ·模糊建模的一般步骤 | 第53页 |
| ·自适应神经模糊建模(ANFIS) | 第53-59页 |
| ·模糊控制在应用过程中存在的问题 | 第53-54页 |
| ·ANFIS的结构 | 第54-56页 |
| ·混合学习算法 | 第56-59页 |
| ·基于减法聚类的神经模糊建模 | 第59-61页 |
| ·由聚类中心构造一阶Sugeno模糊模型 | 第59-60页 |
| ·基于减法聚类的自适应神经模糊建模 | 第60-61页 |
| 小结 | 第61-62页 |
| 第五章 多模型建模的方法研究 | 第62-74页 |
| ·引言 | 第62-63页 |
| ·基于减法聚类和FCM聚类融合的神经模糊多模型建模 | 第63-67页 |
| ·多模型非加权结构模型 | 第63-64页 |
| ·基于ANFIS的类别判别方法 | 第64-65页 |
| ·仿真实验 | 第65-67页 |
| ·基于PLS的神经模糊多模型建模 | 第67-72页 |
| ·多神经模糊网络结构 | 第67-69页 |
| ·多神经模糊网络算法 | 第69-71页 |
| ·仿真实验 | 第71-72页 |
| 小结 | 第72-74页 |
| 第六章 神经模糊网络多模型建模方法在工业软测量中的应用 | 第74-94页 |
| ·基于减法聚类和FCM聚类融合的神经模糊多模型建模方法在厌氧消化过程中挥发性脂肪酸（VFA）浓度预测中的应用 | 第74-84页 |
| ·厌氧消化过程中挥发性脂肪酸的预测问题 | 第74页 |
| ·数据预处理 | 第74-76页 |
| ·用多元线性回归方法建立多元回归模型 | 第76-78页 |
| ·基于减法聚类和FCM聚类融合的神经模糊多模型方法建模 | 第78-81页 |
| ·结果分析比较 | 第81-84页 |
| ·基于PLS的神经模糊多模型建模方法在飞机剩余油量预测中的应用 | 第84-93页 |
| ·飞机燃油箱剩余油量的测量问题 | 第84-86页 |
| ·基于PLS的单ANFIS软测量模型的建立 | 第86-87页 |
| ·基于PLS的多ANFIS软测量模型的建立 | 第87-91页 |
| ·结果分析比较 | 第91-93页 |
| 小结 | 第93-94页 |
| 总结与展望 | 第94-97页 |
| 参考文献 | 第97-102页 |
| 硕士期间发表的论文 | 第102-103页 |
| 致谢 | 第103页 |
