| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 引言 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 质量超前控制理论研究现状 | 第9-10页 |
| 1.2.2 质量控制方法和人工智能技术的研究现状 | 第10-11页 |
| 1.2.3 支持向量机国内外研究现状 | 第11-13页 |
| 1.3 研究目的和意义 | 第13-14页 |
| 1.4 研究内容 | 第14-16页 |
| 2 支持向量机基本理论 | 第16-27页 |
| 2.1 统计学习理论 | 第16-18页 |
| 2.1.1 VC维理论 | 第16-17页 |
| 2.1.2 推广性的界 | 第17页 |
| 2.1.3 结构风险最小化 | 第17-18页 |
| 2.2 支持向量机理论 | 第18-23页 |
| 2.2.1 最优分类面 | 第19-21页 |
| 2.2.2 标准支持向量回归机 | 第21-23页 |
| 2.3 核函数概述 | 第23-24页 |
| 2.3.1 核函数本质 | 第23页 |
| 2.3.2 常用核函数 | 第23-24页 |
| 2.4 模型参数的选取 | 第24-26页 |
| 2.4.1 径向基核函数参数σ | 第24-25页 |
| 2.4.2 错误惩罚参数C | 第25-26页 |
| 2.4.3 不敏感损失函数参数ε | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于GR-SVM的多因素产品质量预测模型研究 | 第27-36页 |
| 3.1 灰色关联理论 | 第27-28页 |
| 3.2 基于网格搜索算法对模型参数优化 | 第28-29页 |
| 3.3 GR-SVM质量预测模型 | 第29-30页 |
| 3.4 仿真验证 | 第30-35页 |
| 3.4.1 关键影响因素选择 | 第31-32页 |
| 3.4.2 模型仿真及结果分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于GA-SVM的产品质量时间序列预测模型研究 | 第36-47页 |
| 4.1 时间序列分析 | 第36-37页 |
| 4.2 GA-SVM质量预测模型 | 第37-41页 |
| 4.2.1 相空间重构理论 | 第38-39页 |
| 4.2.2 基于遗传算法优化模型参数 | 第39页 |
| 4.2.3 GA-SVM模型的建立 | 第39-40页 |
| 4.2.4 面向时间序列的GA-SVM模型的建立 | 第40-41页 |
| 4.3 仿真验证 | 第41-46页 |
| 4.3.1 时间序列数据的处理 | 第41-42页 |
| 4.3.2 模型仿真及结果分析 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读学位期间发表的学术论文 | 第52-53页 |
| 致谢 | 第53-54页 |