| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 统计过程控制及控制图模式 | 第10-12页 |
| 1.2.2 支持向量机及其优化 | 第12-13页 |
| 1.3 研究内容与论文结构 | 第13-16页 |
| 第二章 统计过程控制 | 第16-26页 |
| 2.1 统计过程控制 | 第16-17页 |
| 2.2 控制图 | 第17-23页 |
| 2.2.1 控制图工作原理 | 第18页 |
| 2.2.2 评价指标 | 第18-19页 |
| 2.2.3 两种错误 | 第19页 |
| 2.2.4 常用控制图 | 第19-23页 |
| 2.3 控制图异常模式 | 第23-26页 |
| 第三章 支持向量机 | 第26-43页 |
| 3.1 统计学习理论 | 第26-30页 |
| 3.1.1 结构风险最小化 | 第27-29页 |
| 3.1.2 VC维 | 第29-30页 |
| 3.2 支持向量机 | 第30-39页 |
| 3.2.1 线性分类器 | 第30-33页 |
| 3.2.2 核函数 | 第33-36页 |
| 3.2.3 软间隔与松弛变量 | 第36-39页 |
| 3.3 多分类支持向量机 | 第39-43页 |
| 第四章 基于多策略差分进化算法的支持向量机 | 第43-59页 |
| 4.1 差分进化算法 | 第43-47页 |
| 4.2 混合进化参数策略（FDE-SVM） | 第47-51页 |
| 4.3 种群规模自适应策略及优化的支持向量机（FDE-PS-SVM） | 第51-53页 |
| 4.4 实验与结果分析 | 第53-58页 |
| 4.4.1 参数设置 | 第53-55页 |
| 4.4.2 两个策略的性能 | 第55-56页 |
| 4.4.3 与经典算法的比较 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于支持向量机的柔性基板制造过程异常识别 | 第59-70页 |
| 5.1 柔性基板制造工艺特征 | 第59-61页 |
| 5.2 柔性基板关键参数与异常模式 | 第61-63页 |
| 5.3 柔性基板制造过程异常模式识别 | 第63-64页 |
| 5.4 实验结果与分析 | 第64-69页 |
| 5.4.1 实验数据源 | 第64-66页 |
| 5.4.2 二类异常模式实验 | 第66-68页 |
| 5.4.3 多类异常模式实验 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |