| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·传统统计学方法 | 第11-13页 |
| ·现行人工智能方法 | 第13-15页 |
| ·本文的研究内容与论文结构 | 第15页 |
| ·本章小结 | 第15-16页 |
| 2 质量诊断相关理论基础 | 第16-29页 |
| ·质量诊断相关概念 | 第16-17页 |
| ·传统的质量诊断方法 | 第17-21页 |
| ·基于MYT正交分解的诊断方法 | 第17-20页 |
| ·基于主成分分析的诊断方法 | 第20-21页 |
| ·现行的基于人工智能的质量诊断方法 | 第21-28页 |
| ·基于最小二乘支持向量机(LS-SVM)残差控制图的诊断方法 | 第21-24页 |
| ·基于人工神经网络的诊断方法 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于梯度下降法的组合分类器的诊断方法 | 第29-47页 |
| ·基于梯度下降法的组合分类器 | 第29-36页 |
| ·函数估计 | 第29-30页 |
| ·最速下降法 | 第30-31页 |
| ·基于梯度下降法的函数估计模型 | 第31-33页 |
| ·构建基于梯度下降法的组合分类器 | 第33-36页 |
| ·基于梯度下降法的组合分类器的诊断过程 | 第36-37页 |
| ·基于梯度下降法的组合分类器的诊断效果 | 第37-46页 |
| ·两个变量的实证研究 | 第38-41页 |
| ·两个变量时不同相关系数下的诊断效果研究 | 第41-44页 |
| ·不同显著水平α下的诊断效果研究 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 4 仿真实验 | 第47-56页 |
| ·基于梯度下降法的组合分类器实际应用 | 第47-52页 |
| ·改进的基于梯度下降法的组合分类器 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 5 结束语 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录A | 第63-64页 |
| 附录B | 第64-68页 |