| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 研究背景与研究意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 质量诊断技术 | 第15-19页 |
| 1.2.1 统计过程控制(SPC)研究方法 | 第15-17页 |
| 1.2.2 控制图应用的步骤 | 第17-18页 |
| 1.2.3 质量诊断内容 | 第18页 |
| 1.2.4 质量诊断的方法 | 第18-19页 |
| 1.3 课题的研究现状 | 第19-23页 |
| 1.3.1 多元质量控制图研究概况 | 第20-21页 |
| 1.3.2 多元质量诊断技术研究概况 | 第21-23页 |
| 1.4 课题研究的主要内容 | 第23页 |
| 1.5 论文的组织结构 | 第23-24页 |
| 1.6 本章小结 | 第24-25页 |
| 第二章 可变抽样区间的MEWMA控制图概述 | 第25-37页 |
| 2.1 MEWMA控制图 | 第25-27页 |
| 2.1.1 指数加权移动平均(EWMA)控制图 | 第25页 |
| 2.1.2 MEWMA控制图 | 第25-27页 |
| 2.1.3 可变抽样区间VSI-MEWMA控制图动态理论 | 第27页 |
| 2.2 控制图性能优劣判定指标 | 第27-33页 |
| 2.2.1 控制图性能优劣判定指标 | 第27-28页 |
| 2.2.2 VSI-MEWMA的Markov chain模型 | 第28-33页 |
| 2.3 VSI-MEWMA性能对比分析 | 第33-36页 |
| 2.3.1 VSI-MEWMA的参数优化步骤 | 第33页 |
| 2.3.2 VSI-MEWMA性能对比分析 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 模糊支持向量机及其参数优化 | 第37-51页 |
| 3.1 支持向量机(SVM)原理 | 第37-41页 |
| 3.1.1 统计学习理论 | 第37-40页 |
| 3.1.2 支持向量机模型 | 第40-41页 |
| 3.2 模糊支持向量机(FSVM)概述 | 第41-45页 |
| 3.2.1 模糊支持向量机(FSVM)模型 | 第42-43页 |
| 3.2.2 隶属度函数的确定 | 第43-45页 |
| 3.3 参数优化 | 第45-47页 |
| 3.3.1 K折交叉验证法 | 第46页 |
| 3.3.2 粒子群算法概述 | 第46-47页 |
| 3.4 仿真实验 | 第47-50页 |
| 3.4.1 基于K折交叉验证法的参数优化 | 第47-49页 |
| 3.4.2 基于粒子群算法的参数优化 | 第49页 |
| 3.4.3 FSVM方法训练 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于FSVM的制造过程多元质量诊断技术 | 第51-60页 |
| 4.1 模型构建 | 第51-52页 |
| 4.2 二元过程数据模型 | 第52-53页 |
| 4.2.1 二元变量相关性 | 第52-53页 |
| 4.2.2 二元过程模式类别 | 第53页 |
| 4.3 基于FSVM的多元质量诊断技术 | 第53-57页 |
| 4.3.1 训练模式参数设计 | 第53-55页 |
| 4.3.2 模型性能分析 | 第55-57页 |
| 4.4 实例应用 | 第57-59页 |
| 4.4.1 案例介绍 | 第57-58页 |
| 4.4.2 案例分析 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65页 |