| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景及意义 | 第7-8页 |
| ·软测量理论概述 | 第8-9页 |
| ·多模型建模方法研究现状 | 第9-11页 |
| ·建模数据的分类方法 | 第9-10页 |
| ·子模型建模方法 | 第10页 |
| ·子模型的连接方式 | 第10-11页 |
| ·论文的研究内容及安排 | 第11-13页 |
| 第二章 软测量过程及建模方法概述 | 第13-21页 |
| ·引言 | 第13页 |
| ·软测量建模过程 | 第13-15页 |
| ·辅助变量的选择 | 第13页 |
| ·数据采集 | 第13-14页 |
| ·数据预处理 | 第14-15页 |
| ·软测量模型的建立 | 第15页 |
| ·软测量模型的在线校正 | 第15页 |
| ·基于数据驱动的软测量建模方法 | 第15-20页 |
| ·支持向量机回归算法 | 第15-18页 |
| ·高斯过程回归 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 一种基于非线性回归和支持向量机的多模型建模方法 | 第21-27页 |
| ·引言 | 第21页 |
| ·多模型建模方法 | 第21-23页 |
| ·非线性回归分析 | 第21-22页 |
| ·SVM 算法 | 第22页 |
| ·多模型的建立 | 第22-23页 |
| ·工业实例研究 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第四章 一种带监督的仿射传播聚类多模型建模方法 | 第27-33页 |
| ·引言 | 第27页 |
| ·仿射传播聚类算法 | 第27-28页 |
| ·最小二乘支持向量机 | 第28-29页 |
| ·带监督的多模型建模方法 | 第29-30页 |
| ·仿真实例 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 基于AR 模型思想的高斯过程多模型建模方法 | 第33-39页 |
| ·引言 | 第33页 |
| ·基本原理 | 第33-35页 |
| ·AR 模型 | 第33页 |
| ·K 近邻算法 | 第33-34页 |
| ·高斯过程建模方法 | 第34-35页 |
| ·多模型建模方法 | 第35-36页 |
| ·基于AR 模型思想的建模方法 | 第35页 |
| ·基于MMD 的K 近邻算法 | 第35页 |
| ·多模型的建立 | 第35-36页 |
| ·仿真实例 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第六章 总结与展望 | 第39-41页 |
| ·本文的工作总结 | 第39页 |
| ·今后工作展望 | 第39-41页 |
| 致谢 | 第41-43页 |
| 参考文献 | 第43-49页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第49页 |